GeoPF: Infusing Geometry into Potential Fields for Reactive Planning in Non-trivial Environments

要約

リアクティブインテリジェンスは、散らかった、動的、および人間中心の環境で動作する多用途のロボット工学の基礎の1つです。
反応的なアプローチの中で、潜在的なフィールド（PF）は、そのシンプルさとリアルタイムの適用性のために引き続き広く採用されています。
ただし、既存のPFメソッドは通常、等方性、点、または球ベースの障害物近似に依存することにより、環境表現を単純化しすぎます。
人間中心の設定では、この単純化は、過度に保守的なパス、面倒な調整、および計算オーバーヘッドをもたらし、リアルタイムの要件を破ります。
これに応じて、幾何学的なプリミティブ（ポイント、ライン、平面、立方体、シリンダー）に明示的にリアルタイム計画に注入する反応性モーションプランニングフレームワークである幾何学的電位フィールド（GEOPF）を提案します。
正確なクローズドフォーム距離関数を活用することにより、GEOPFは計算の複雑さとパラメーターチューニングの取り組みを大幅に削減します。
広範な定量分析では、GEOPFの成功率が高いことを一貫して示し、複雑さのチューニング（実験全体で単一のパラメーターセット）、および従来のPFメソッドと比較して大幅に低い計算コスト（最大2桁）を示しています。
実際の実験では、GEOPFの堅牢性と実際的な展開の容易さをさらに検証します。
GEOPFは、現代のロボットアプリケーションに適した柔軟で低遅延のモーションプランニングを可能にする、幾何学的に認識された時間運動生成を促進するリアクティブ計画の問題に関する新たな視点を提供します。

要約(オリジナル)

Reactive intelligence remains one of the cornerstones of versatile robotics operating in cluttered, dynamic, and human-centred environments. Among reactive approaches, potential fields (PF) continue to be widely adopted due to their simplicity and real-time applicability. However, existing PF methods typically oversimplify environmental representations by relying on isotropic, point- or sphere-based obstacle approximations. In human-centred settings, this simplification results in overly conservative paths, cumbersome tuning, and computational overhead — even breaking real-time requirements. In response, we propose the Geometric Potential Field (GeoPF), a reactive motion-planning framework that explicitly infuses geometric primitives – points, lines, planes, cubes, and cylinders – into real-time planning. By leveraging precise closed-form distance functions, GeoPF significantly reduces computational complexity and parameter tuning effort. Extensive quantitative analyses consistently show GeoPF’s higher success rates, reduced tuning complexity (a single parameter set across experiments), and substantially lower computational costs (up to 2 orders of magnitude) compared to traditional PF methods. Real-world experiments further validate GeoPF’s robustness and practical ease of deployment. GeoPF provides a fresh perspective on reactive planning problems driving geometric-aware temporal motion generation, enabling flexible and low-latency motion planning suitable for modern robotic applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google