Expansion-GRR: Efficient Generation of Smooth Global Redundancy Resolution Roadmaps

要約

大域的冗長性解決（GRR）ロードマップは、読みやすく、予測可能で、再現可能な方法で、タスク空間経路から構成空間経路へのマッピングを容易にする、ロボット工学における新しい概念である。このようなロードマップは、安全な遠隔操作、一貫した経路計画、動作プリミティブの生成などの応用において、広く有用性を見出すことができる。しかしながら、GRRロードマップを計算する従来の方法は、しばしば長い計算時間を必要とし、滑らかでない経路を生成するため、実用的な有効性が制限される。この課題を解決するために、我々は、効率的な構成空間投影を活用し、タスク制約を満たす滑らかなロードマップを高速に生成できる新しい手法Expansion-GRRを紹介する。さらに、最終的な品質をさらに高めるシンプルなマルチシード戦略を提案する。我々は、5リンクの平面マニピュレータとKinovaアームを用いてシミュレーション実験を行った。その結果、Expansion-GRRロードマップを、より高い滑らかさを達成しながら、最大2桁高速に生成することができた。また、遠隔操作タスクにおけるGRRロードマップの有用性を実証し、本手法が先行手法やリアクティブIKソルバーを成功率や解の品質において上回った。

要約(オリジナル)

Global redundancy resolution (GRR) roadmaps is a novel concept in robotics that facilitates the mapping from task space paths to configuration space paths in a legible, predictable, and repeatable way. Such roadmaps could find widespread utility in applications such as safe teleoperation, consistent path planning, and motion primitives generation. However, previous methods to compute GRR roadmaps often necessitate a lengthy computation time and produce non-smooth paths, limiting their practical efficacy. To address this challenge, we introduce a novel method Expansion-GRR that leverages efficient configuration space projections and enables rapid generation of smooth roadmaps that satisfy the task constraints. Additionally, we propose a simple multi-seed strategy that further enhances the final quality. We conducted experiments in simulation with a 5-link planar manipulator and a Kinova arm. We were able to generate the Expansion-GRR roadmaps up to 2 orders of magnitude faster while achieving higher smoothness. We also demonstrate the utility of the GRR roadmaps in teleoperation tasks where our method outperformed prior methods and reactive IK solvers in terms of success rate and solution quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL