GPU-Accelerated Motion Planning of an Underactuated Forestry Crane in Cluttered Environments

要約

自律的な大規模なマシン操作には、油圧作動制限や関節力の低下などの独自の課題に対処しながら、迅速で効率的で衝突のないモーション計画が必要です。
このペーパーでは、不足している林業クレーン向けに設計された新しい2段階のモーション計画フレームワークを紹介します。
最初のステップでは、GPUが加速した確率的最適化を採用して、グローバルに最短の衝突のないパスを迅速に計算します。
2番目のステップでは、このパスを、システムのダイナミクスと作動の制約のコンプライアンスを保証する軌跡のオプティマイザーを使用して、動的に実行可能な軌跡に絞り込みます。
提案されたアプローチは、RRTベースの方法や純粋に最適化ベースのアプローチを含む、従来の手法に対してベンチマークされています。
シミュレーション結果は、計算速度とモーションの実現可能性の大幅な改善を示しており、この方法により複雑なクレーンシステムに非常に適しています。

要約(オリジナル)

Autonomous large-scale machine operations require fast, efficient, and collision-free motion planning while addressing unique challenges such as hydraulic actuation limits and underactuated joint dynamics. This paper presents a novel two-step motion planning framework designed for an underactuated forestry crane. The first step employs GPU-accelerated stochastic optimization to rapidly compute a globally shortest collision-free path. The second step refines this path into a dynamically feasible trajectory using a trajectory optimizer that ensures compliance with system dynamics and actuation constraints. The proposed approach is benchmarked against conventional techniques, including RRT-based methods and purely optimization-based approaches. Simulation results demonstrate substantial improvements in computation speed and motion feasibility, making this method highly suitable for complex crane systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google