REVISE: Robust Probabilistic Motion Planning in a Gaussian Random Field

要約

この論文では、ガウスランダム場としてモデル化された空間依存性の外乱をナビゲートする動的システムの堅牢な信念ロードマップを生成するマルチクエリ アルゴリズムであるロバスト サンプルベースの共分散ステアリング (REVISE) について説明します。
私たちが提案する方法は、軌道に沿った状態制約を満たしながら状態分布間でロボットを安全に操縦するための、新しい堅牢なサンプルベースの共分散ステアリング エッジ コントローラーを開発します。
私たちが提案するアプローチには、信念ロードマップ構築プロセスにエッジ再配線ステップも組み込まれており、これにより信念ロードマップの範囲が明らかに向上します。
REVISE は、最先端の手法と比較すると、マルチクエリ プランニングにおいて中央値計画の精度 (実際の最終状態分布と計画された最終状態分布の間の Wasserstein 距離によって測定) を 10 倍向上させ、中央値計画のコスト (最大の手法で測定) を削減します。
6DoF システムの単一クエリ計画では、目標における計画状態の共分散の固有値が 2.5 倍になります。
コードは https://acl.mit.edu/REVISE/ でリリースされます。

要約(オリジナル)

This paper presents Robust samplE-based coVarIance StEering (REVISE), a multi-query algorithm that generates robust belief roadmaps for dynamic systems navigating through spatially dependent disturbances modeled as a Gaussian random field. Our proposed method develops a novel robust sample-based covariance steering edge controller to safely steer a robot between state distributions, satisfying state constraints along the trajectory. Our proposed approach also incorporates an edge rewiring step into the belief roadmap construction process, which provably improves the coverage of the belief roadmap. When compared to state-of-the-art methods, REVISE improves median plan accuracy (as measured by Wasserstein distance between the actual and planned final state distribution) by 10x in multi-query planning and reduces median plan cost (as measured by the largest eigenvalue of the planned state covariance at the goal) by 2.5x in single-query planning for a 6DoF system. We will release our code at https://acl.mit.edu/REVISE/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google