Superfast Configuration-Space Convex Set Computation on GPUs for Online Motion Planning

要約

この作業では、GPUを活用して、ロボット構成スペースに確率的に衝突のない凸セットを構築します。
これにより、このような表現を変化する環境に活用する最新のモーション計画アルゴリズムの使用が拡張されます。
これらのプランナーは、困難な非コンベックス衝突回避制約の負担なしに、迅速かつ確実に高品質の軌跡を最適化します。
衝突のない区分的線形経路を、大規模な並列症を使用して確率的に衝突しない凸セット（SC）に膨張するアルゴリズムを提示します。
次に、このアルゴリズムをモーションプランニングパイプラインに統合します。これにより、動的なロードマップを活用して、1つまたは複数の衝突のないパスを迅速に見つけて膨張させます。
次に、確率的に衝突のないセットを介して軌跡を最適化し、同時に候補の軌跡を使用してセットから衝突を検出して削除します。
シミュレーションベンチマークでのアプローチの有効性と、ループに知覚を伴うKuka IIWA 7ロボットマニピュレーターを実証します。
ベンチマークでは、アプローチは17.1倍速く実行され、非線形軌道最適化ベースラインで信頼性が27.9％増加し、高品質のモーションプランを作成します。

要約(オリジナル)

In this work, we leverage GPUs to construct probabilistically collision-free convex sets in robot configuration space on the fly. This extends the use of modern motion planning algorithms that leverage such representations to changing environments. These planners rapidly and reliably optimize high-quality trajectories, without the burden of challenging nonconvex collision-avoidance constraints. We present an algorithm that inflates collision-free piecewise linear paths into sequences of convex sets (SCS) that are probabilistically collision-free using massive parallelism. We then integrate this algorithm into a motion planning pipeline, which leverages dynamic roadmaps to rapidly find one or multiple collision-free paths, and inflates them. We then optimize the trajectory through the probabilistically collision-free sets, simultaneously using the candidate trajectory to detect and remove collisions from the sets. We demonstrate the efficacy of our approach on a simulation benchmark and a KUKA iiwa 7 robot manipulator with perception in the loop. On our benchmark, our approach runs 17.1 times faster and yields a 27.9% increase in reliability over the nonlinear trajectory optimization baseline, while still producing high-quality motion plans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google