Multi-query Robotic Manipulator Task Sequencing with Gromov-Hausdorff Approximations

要約

ロボット マニピュレータ アプリケーションでは、多くの場合、効率的なオンライン動作計画が必要になります。
複数のタスクを完了する場合、順序と目標構成の選択が計画のパフォーマンスに大きな影響を与える可能性があります。
これはロボット タスク シーケンス問題 (RTSP) としてよく知られています。
既存の汎用 RTSP アルゴリズムは、低品質のソリューションを生成する可能性があり、利用可能な計算時間が制限されている場合には完全に失敗します。
静的障害物と非静的障害物が組み合わされた半構造化環境で動作するように設計された、新しいマルチクエリ タスク シーケンス手法を提案します。
私たちの方法では、ワークスペースの汎用性を意図的に犠牲にして、計画の効率性を確保しています。
静的な障害物を含むユーザー定義のタスク空間が与えられた場合、部分空間分解を計算します。
重要なアイデアは、タスク空間と構成空間の両方で互いに近い点を識別する $\epsilon$-Gromov-Hausdorff 近似として知られる近似アイソメトリを確立することです。
重要なのは、これらの部分空間内の軌道の長さについての制限された準最適性の保証を証明したことです。
これらの境界関係は、同じ部分空間内の軌跡を滑らかに連結できることをさらに暗示しており、これが効率的なタスクシーケンスを決定するのに役立つことが示されています。
複雑なシミュレート環境でいくつかの運動学的構成を使用してメソッドを評価し、ベースラインと比較して最大 3 倍高速な動作計画と 5 倍低い最大軌道ジャークを達成しました。

要約(オリジナル)

Robotic manipulator applications often require efficient online motion planning. When completing multiple tasks, sequence order and choice of goal configuration can have a drastic impact on planning performance. This is well known as the robot task sequencing problem (RTSP). Existing general purpose RTSP algorithms are susceptible to producing poor quality solutions or fail entirely when available computation time is restricted. We propose a new multi-query task sequencing method designed to operate in semi-structured environments with a combination of static and non-static obstacles. Our method intentionally trades off workspace generality for planning efficiency. Given a user-defined task space with static obstacles, we compute a subspace decomposition. The key idea is to establish approximate isometries known as $\epsilon$-Gromov-Hausdorff approximations that identify points that are close to one another in both task and configuration space. Importantly, we prove bounded suboptimality guarantees on the lengths of trajectories within these subspaces. These bounding relations further imply that trajectories within the same subspace can be smoothly concatenated which we show is useful for determining efficient task sequences. We evaluate our method with several kinematic configurations in a complex simulated environment, achieving up to 3x faster motion planning and 5x lower maximum trajectory jerk compared to baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google