A Framework for Guided Motion Planning

要約

ランダム化サンプリングベースのアルゴリズムは、問題が扱いにくいため、ロボットの動作計画に広く使用されており、実験的には幅広い問題事例に対して効果的です。
ほとんどの亜種は、検索空間の既知の基礎構造に関連するさまざまなヒューリスティックを使用してサンプリングにバイアスを加えます。
この研究では、ガイド スペースの概念を定義することによって、ガイド付き検索の直感的な概念を形式化します。
この新しい言語は、一見異なるように見える多くの従来のメソッドを同じフレームワークの下にカプセル化し、さまざまなアルゴリズムのこれまで隠されていた中心的な貢献であるガイダンスについて推論できるようにします。
さまざまな環境で既知のアルゴリズムでテストしたときに実験的に直感と一致するガイダンスを評価するための情報理論的方法を提案します。
ガイダンスの言語と評価により、既存の方法の改善が示唆され、複数のソースからのガイダンスを組み合わせたシンプルなハイブリッド アルゴリズムが可能になります。

要約(オリジナル)

Randomized sampling based algorithms are widely used in robot motion planning due to the problem’s intractability, and are experimentally effective on a wide range of problem instances. Most variants bias their sampling using various heuristics related to the known underlying structure of the search space. In this work, we formalize the intuitive notion of guided search by defining the concept of a guiding space. This new language encapsulates many seemingly distinct prior methods under the same framework, and allows us to reason about guidance, a previously obscured core contribution of different algorithms. We suggest an information theoretic method to evaluate guidance, which experimentally matches intuition when tested on known algorithms in a variety of environments. The language and evaluation of guidance suggests improvements to existing methods, and allows for simple hybrid algorithms that combine guidance from multiple sources.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google