Next-Best-Trajectory Planning of Robot Manipulators for Effective Observation and Exploration

要約

オブジェクトの視覚的観測は、オブジェクトの再構築と操作、ナビゲーション、シーンの理解など、多くのロボットアプリケーションに不可欠です。
機械学習アルゴリズムは、多くの分野で最先端を構成しますが、収集するのに費用がかかり、時間がかかる膨大なデータセットが必要です。
観察と探索のための自動化された戦略は、データ収集の効率を高めるために重要です。
したがって、次のベストトリューションの原則を利用した新しい戦略は、動的環境で動作するロボットマニピュレーター向けに開発されています。
衝突を回避しながら、パスに沿った観測から得られた情報を最大化するために、ローカル軌道が生成されます。
環境モデリングのためにボクセルマップを採用し、関心のあるポイント周辺の視点からレイキャスティングを利用して、情報のゲインを推定します。
グローバルなエルゴード軌道プランナーは、ローカルプランナーにオプションの参照軌跡を提供し、探査を改善し、地域の最小値を回避するのに役立ちます。
計算効率を高めるために、環境での情報ゲインを推定するためのレイキャスティングは、グラフィックス処理ユニットで並行して実行されます。
ベンチマークの結果は、並列化の効率を確認しますが、実際の実験は戦略の有効性を示しています。

要約(オリジナル)

Visual observation of objects is essential for many robotic applications, such as object reconstruction and manipulation, navigation, and scene understanding. Machine learning algorithms constitute the state-of-the-art in many fields but require vast data sets, which are costly and time-intensive to collect. Automated strategies for observation and exploration are crucial to enhance the efficiency of data gathering. Therefore, a novel strategy utilizing the Next-Best-Trajectory principle is developed for a robot manipulator operating in dynamic environments. Local trajectories are generated to maximize the information gained from observations along the path while avoiding collisions. We employ a voxel map for environment modeling and utilize raycasting from perspectives around a point of interest to estimate the information gain. A global ergodic trajectory planner provides an optional reference trajectory to the local planner, improving exploration and helping to avoid local minima. To enhance computational efficiency, raycasting for estimating the information gain in the environment is executed in parallel on the graphics processing unit. Benchmark results confirm the efficiency of the parallelization, while real-world experiments demonstrate the strategy’s effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google