CppFlow: Generative Inverse Kinematics for Efficient and Robust Cartesian Path Planning

要約

この研究では、CppFlow を紹介します。CppFlow は、デカルト パス プランニング問題の斬新で高性能なプランナーであり、現在の方法よりも最大 129 倍速く有効な軌道を見つけ、他の方法では失敗するより困難な問題でも成功します。
提案されたアルゴリズムの中核は、学習された生成逆運動学ソルバーの使用であり、GPU 上で有望な候補解の軌跡全体を効率的に生成できます。
その後、微分可能プログラミング、グローバル検索、最適化などの古典的なアプローチを通じて、正確で有効な解決策が見つかります。
これら 2 つのパラダイムのアプローチを組み合わせることで、両方の長所を得ることができます。つまり、従来の計画と最適化の保証を使用して正確に作成される生成 AI からの効率的な近似ソリューションです。
私たちは、一連の確立されたベースラインおよびこの研究で導入された新しいベースラインに基づいて他の最先端の方法と比較してシステムを評価し、有効な解決策を見つけるまでの時間と計画の成功率の点で、私たちの方法が他の方法よりも大幅に優れていることを発見しました。
時間の経過に伴う軌道の長さの点で同等のパフォーマンスを発揮します。
この作品はオープンソース化されており、承認されれば使用できるようになります。

要約(オリジナル)

In this work we present CppFlow – a novel and performant planner for the Cartesian Path Planning problem, which finds valid trajectories up to 129x faster than current methods, while also succeeding on more difficult problems where others fail. At the core of the proposed algorithm is the use of a learned, generative Inverse Kinematics solver, which is able to efficiently produce promising entire candidate solution trajectories on the GPU. Precise, valid solutions are then found through classical approaches such as differentiable programming, global search, and optimization. In combining approaches from these two paradigms we get the best of both worlds – efficient approximate solutions from generative AI which are made exact using the guarantees of traditional planning and optimization. We evaluate our system against other state of the art methods on a set of established baselines as well as new ones introduced in this work and find that our method significantly outperforms others in terms of the time to find a valid solution and planning success rate, and performs comparably in terms of trajectory length over time. The work is made open source and available for use upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google