Previous Knowledge Utilization In Online Anytime Belief Space Planning

要約

不確実性の下でのオンライン計画は、ロボット工学や自律システムにおいて依然として重要な課題です。
計算上の制約内で将来の部分的な軌道を構築するためにツリー検索手法が一般的に使用されますが、既存の手法のほとんどは、連続空間を考慮した以前の計画セッションからの情報を破棄します。
この研究では、現在の意思決定プロセスで過去の計画データを活用する、計算効率の高い新しいアプローチを紹介します。
情報再利用戦略の理論的基盤を提供し、このアプローチを実装するモンテカルロ ツリー検索 (MCTS) に基づくアルゴリズムを紹介します。
実験結果は、私たちの方法が高いパフォーマンスレベルを維持しながら計算時間を大幅に短縮することを示しています。
私たちの調査結果は、過去の計画情報を統合することで、不確実な環境におけるオンライン意思決定の効率を大幅に向上させ、より応答性が高く適応性のある自律システムへの道を開くことができることを示唆しています。

要約(オリジナル)

Online planning under uncertainty remains a critical challenge in robotics and autonomous systems. While tree search techniques are commonly employed to construct partial future trajectories within computational constraints, most existing methods discard information from previous planning sessions considering continuous spaces. This study presents a novel, computationally efficient approach that leverages historical planning data in current decision-making processes. We provide theoretical foundations for our information reuse strategy and introduce an algorithm based on Monte Carlo Tree Search (MCTS) that implements this approach. Experimental results demonstrate that our method significantly reduces computation time while maintaining high performance levels. Our findings suggest that integrating historical planning information can substantially improve the efficiency of online decision-making in uncertain environments, paving the way for more responsive and adaptive autonomous systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google