Global Tensor Motion Planning

要約

バッチ計画は、蒸留や模倣学習など、下流の学習アプリケーションの多様で質の高いモーションプランを迅速に作成するためにますます必要になっています。
このペーパーでは、テンソル操作のみを含むサンプリングベースのモーション計画アルゴリズムであるグローバルテンソルモーションプランニング（GTMP）を紹介します。
ランダムなマルチパルタイトグラフとして表される新しい離散化構造を導入し、効率的なベクトル化されたサンプリング、衝突チェック、および検索を可能にします。
GTMPが最新のGPU/TPUをサポートしながら確率的完全性を示していることを示す理論的調査を提供します。
さらに、滑らかな構造をマルチパルタイトグラフに組み込むことにより、GTMPは勾配ベースの最適化を必要とせずにスムーズなスプラインを直接計画します。
LIDARを使用した占有マップとMotionBenchmarker Datasetの実験では、BATCH計画におけるGTMPの計算効率がベースラインと比較して実証されており、GTMPの多様なアプリケーションと大規模なロボット学習タスクの堅牢でスケーラブルなプランナーとしての可能性を強調しています。

要約(オリジナル)

Batch planning is increasingly necessary to quickly produce diverse and quality motion plans for downstream learning applications, such as distillation and imitation learning. This paper presents Global Tensor Motion Planning (GTMP) — a sampling-based motion planning algorithm comprising only tensor operations. We introduce a novel discretization structure represented as a random multipartite graph, enabling efficient vectorized sampling, collision checking, and search. We provide a theoretical investigation showing that GTMP exhibits probabilistic completeness while supporting modern GPU/TPU. Additionally, by incorporating smooth structures into the multipartite graph, GTMP directly plans smooth splines without requiring gradient-based optimization. Experiments on lidar-scanned occupancy maps and the MotionBenchMarker dataset demonstrate GTMP’s computation efficiency in batch planning compared to baselines, underscoring GTMP’s potential as a robust, scalable planner for diverse applications and large-scale robot learning tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google