Search-based versus Sampling-based Robot Motion Planning: A Comparative Study

要約

ロボットの動作計画は、高次元で連続的な探索空間を扱う必要があるため、難しい分野です。
過去数十年にわたり、この問題に取り組むために、時には互いに比較せずに単独で、さまざまな計画アルゴリズムが開発されてきました。
この研究では、OMPL のサンプリング ベースの RRT-Connect と、モーション プリミティブを備えた SMPL の検索ベースの ARA* という 2 つの著名なアルゴリズムのベンチマークを行います。
これら 2 つの根本的に異なるアプローチを公平に比較​​するために、同じ計画条件を保証するようにそれらを適応させ、同じ一連の計画シナリオでベンチマークを行います。
私たちの調査結果は、RRT-Connect のようなサンプリングベースのプランナーは、高次元空間において全体的により一貫したパフォーマンスを示す一方、ARA* のような検索ベースのプランナーは、適切なアクション空間サンプリング スキームと併用すると、大幅に優れたパフォーマンスを発揮できることを示唆しています。
。
この研究を通じて、さまざまなパラダイムのモーション プランナーを適切にベンチマークするために必要な取り組みを紹介し、その能力と限界についてのより微妙な理解に貢献したいと考えています。
コードは https://github.com/gsotirchos/benchmarking_planners で入手できます。

要約(オリジナル)

Robot motion planning is a challenging domain as it involves dealing with high-dimensional and continuous search space. In past decades, a wide variety of planning algorithms have been developed to tackle this problem, sometimes in isolation without comparing to each other. In this study, we benchmark two such prominent types of algorithms: OMPL’s sampling-based RRT-Connect and SMPL’s search-based ARA* with motion primitives. To compare these two fundamentally different approaches fairly, we adapt them to ensure the same planning conditions and benchmark them on the same set of planning scenarios. Our findings suggest that sampling-based planners like RRT-Connect show more consistent performance across the board in high-dimensional spaces, whereas search-based planners like ARA* have the capacity to perform significantly better when used with a suitable action-space sampling scheme. Through this study, we hope to showcase the effort required to properly benchmark motion planners from different paradigms thereby contributing to a more nuanced understanding of their capabilities and limitations. The code is available at https://github.com/gsotirchos/benchmarking_planners

arxiv情報

提供元, 利用サービス

arxiv.jp, Google