Anytime Replanning of Robot Coverage Paths for Partially Unknown Environments

要約

この論文では、最初は未知の静的障害物がある環境で動作するロボットのカバレッジ パスを再計画する方法を提案します。
既存のカバレッジ アプローチでは、最小限の数のカバレッジ ライン (直線パス) に沿ってカバレッジを行うことで、カバレッジ時間を短縮します。
ただし、このようなパスをオンラインで再計算すると、計算コストが高くなり、ロボットが停止してカバレッジ時間が増加する可能性があります。
素朴な代替案は、貪欲な迂回再計画です。つまり、初期パスからの逸脱を最小限に抑えて再計画することです。これは、計算には効率的ですが、不必要な迂回が発生する可能性があります。
この研究では、特定の時間バジェット内で中断されたカバレッジ パスに対して最適に近い再計画を実行する、OARP-Replan と呼ばれるいつでもカバレッジ再計画アプローチを提案します。
これを行うには、整数線形プログラム (ILP) の線形緩和を解き、時間予算内で最適に再計画できる中断されたパスのセクションを特定します。
OARP-Replan をシミュレーションで検証し、貪欲な迂回再プランナーやその他の最先端のカバレッジ プランナーと比較します。
また、産業レベルの自律ロボットを使用した実験で OARP-Replan を実証します。

要約(オリジナル)

In this paper, we propose a method to replan coverage paths for a robot operating in an environment with initially unknown static obstacles. Existing coverage approaches reduce coverage time by covering along the minimum number of coverage lines (straight-line paths). However, recomputing such paths online can be computationally expensive resulting in robot stoppages that increase coverage time. A naive alternative is greedy detour replanning, i.e., replanning with minimum deviation from the initial path, which is efficient to compute but may result in unnecessary detours. In this work, we propose an anytime coverage replanning approach named OARP-Replan that performs near-optimal replans to an interrupted coverage path within a given time budget. We do this by solving linear relaxations of integer linear programs (ILPs) to identify sections of the interrupted path that can be optimally replanned within the time budget. We validate OARP-Replan in simulation and perform comparisons against a greedy detour replanner and other state-of-the-art coverage planners. We also demonstrate OARP-Replan in experiments using an industrial-level autonomous robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google