Experience-based Optimal Motion Planning Algorithm for Solving Difficult Planning Problems Using a Limited Dataset

要約

この研究は、限られたデータセットを一般化することにより、短い計算時間内に高品質のソリューションパスを取得するという重要な課題に対処することを目的としています。
情報に基づいたエクスペリエンス駆動型のランダムツリーConnect Star（IERTC*）プロセスでは、アルゴリズムは、再配線プロセスと情報に基づいたサンプリングプロセスを導入することでパスコストを削減しながら、単一のエクスペリエンスから生成されたマイクロパスをモーフィングすることにより、検索ツリーを柔軟に調査します。
このアルゴリズムの中心的なアイデアは、ローカル環境の複雑さに応じてさまざまな戦略を適用することです。
たとえば、検索ツリーの近くで障害物が密に配置されている場合、より複雑な曲線軌道を採用し、ローカル環境がまばらな場合はより単純な直線を採用します。
一般的なモーションベンチマークテストを使用した実験の結果は、IERTC*が散らかった環境での困難な問題の計画成功率を大幅に改善したことを明らかにしました（最先端のアルゴリズムと比較して49.3％の平均改善）と同時に、溶液コスト（56.3％の削減）が大幅に削減されました。
さらに、結果は、1つのエクスペリエンスしか利用できなかった場合でも、優れた計画パフォーマンスを示しました（成功率の43.8％の改善と、ソリューションコストの57.8％の削減）。

要約(オリジナル)

This study aims to address the key challenge of obtaining a high-quality solution path within a short calculation time by generalizing a limited dataset. In the informed experience-driven random trees connect star (IERTC*) process, the algorithm flexibly explores the search trees by morphing the micro paths generated from a single experience while reducing the path cost by introducing a re-wiring process and an informed sampling process. The core idea of this algorithm is to apply different strategies depending on the complexity of the local environment; for example, it adopts a more complex curved trajectory if obstacles are densely arranged near the search tree, and it adopts a simpler straight line if the local environment is sparse. The results of experiments using a general motion benchmark test revealed that IERTC* significantly improved the planning success rate in difficult problems in the cluttered environment (an average improvement of 49.3% compared to the state-of-the-art algorithm) while also significantly reducing the solution cost (a reduction of 56.3%) when using one hundred experiences. Furthermore, the results demonstrated outstanding planning performance even when only one experience was available (a 43.8% improvement in success rate and a 57.8% reduction in solution cost).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google