MINER-RRT*: A Hierarchical and Fast Trajectory Planning Framework in 3D Cluttered Environments

要約

近年、乱雑な環境でのクワッドローターの軌道計画は困難になっています。
多くの軌道計画フレームワークは成功を収めていますが、特に効率的な軌道の生成速度の向上においては、まだ改善の余地が存在します。
この論文では、計算時間とメモリ使用量を削減するための新しい階層型軌道計画フレームワーク MINER-RRT* を紹介します。これは 2 つの主要コンポーネントで構成されます。
まず、ニューラル ネットワークによって強化されたサンプリング ベースの経路計画方法を提案します。この方法では、予測されたヒューリスティック領域により、急速に探索されるランダム ツリーの収束が加速されます。
第 2 に、クアッドローターの微分平坦性特性から導出された最適条件を利用して、複数の段階での制御労力を最小限に抑える多項式軌道を構築します。
広範なシミュレーションと現実世界での実験結果は、いくつかの最先端 (SOTA) アプローチと比較して、私たちの方法が 3D の乱雑な環境でより優れたパフォーマンスで高品質の軌道を生成できることを示しています。

要約(オリジナル)

Trajectory planning for quadrotors in cluttered environments has been challenging in recent years. While many trajectory planning frameworks have been successful, there still exists potential for improvements, particularly in enhancing the speed of generating efficient trajectories. In this paper, we present a novel hierarchical trajectory planning framework to reduce computational time and memory usage called MINER-RRT*, which consists of two main components. First, we propose a sampling-based path planning method boosted by neural networks, where the predicted heuristic region accelerates the convergence of rapidly-exploring random trees. Second, we utilize the optimal conditions derived from the quadrotor’s differential flatness properties to construct polynomial trajectories that minimize control effort in multiple stages. Extensive simulation and real-world experimental results demonstrate that, compared to several state-of-the-art (SOTA) approaches, our method can generate high-quality trajectories with better performance in 3D cluttered environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google