Faster Algorithms for Growing Collision-Free Convex Polytopes in Robot Configuration Space

要約

我々は、ロボット構成空間に凸状の衝突のないポリトープを構築するための 2 つの新しいアルゴリズムを提案します。
これらのポリトープを見つけることで、凸集合のグラフ [1] を使用した軌道の最適化など、より強力な動作計画フレームワークの適用が可能になりますが、現在、これらのアプローチの採用における大きな障害となっています。
このペーパーでは、IRIS-NP (半定非線形計画法による反復地域インフレーション) [2] を基盤として、調整可能性、実行時間、および複雑な環境へのスケーリングを大幅に改善します。
IRIS-NP は、一様ランダム初期化と組み合わせた非線形計画法を使用して、自由構成空間の境界にある構成を見つけます。
私たちの重要な洞察は、サンプリングを使用して近くの構成空間の障害物を見つけることは安価であり、領域の生成を大幅に加速するということです。
このようなサンプルを使用して、非線形計画法をより効率的に採用する (IRIS-NP2) か、超並列ゼロ次最適化戦略を使用して非線形計画法を完全に回避する (IRIS-ZO) かの 2 つのアルゴリズムを提案します。
また、ユーザーが指定した許容衝突率を超える確率を制御する終了条件を提案し、IRIS-NP の調整困難の重大な原因を排除します。
8 つのロボット環境のパフォーマンスを比較し、IRIS-ZO が IRIS-NP に比べて桁違いの速度の利点を達成していることを示しています。
IRISNP2 も IRIS-NP よりも大幅に高速であり、より少ない超平面を使用してより大きなポリトープを構築し、より高速なダウンストリーム計算を可能にします。
ウェブサイト: https://sites.google.com/view/fastiris

要約(オリジナル)

We propose two novel algorithms for constructing convex collision-free polytopes in robot configuration space. Finding these polytopes enables the application of stronger motion-planning frameworks such as trajectory optimization with Graphs of Convex Sets [1] and is currently a major roadblock in the adoption of these approaches. In this paper, we build upon IRIS-NP (Iterative Regional Inflation by Semidefinite & Nonlinear Programming) [2] to significantly improve tunability, runtimes, and scaling to complex environments. IRIS-NP uses nonlinear programming paired with uniform random initialization to find configurations on the boundary of the free configuration space. Our key insight is that finding near-by configuration-space obstacles using sampling is inexpensive and greatly accelerates region generation. We propose two algorithms using such samples to either employ nonlinear programming more efficiently (IRIS-NP2 ) or circumvent it altogether using a massively-parallel zero-order optimization strategy (IRIS-ZO). We also propose a termination condition that controls the probability of exceeding a user-specified permissible fraction-in-collision, eliminating a significant source of tuning difficulty in IRIS-NP. We compare performance across eight robot environments, showing that IRIS-ZO achieves an order-of-magnitude speed advantage over IRIS-NP. IRISNP2, also significantly faster than IRIS-NP, builds larger polytopes using fewer hyperplanes, enabling faster downstream computation. Website: https://sites.google.com/view/fastiris

arxiv情報

提供元, 利用サービス

arxiv.jp, Google