UPP: Unified Path Planner with Adaptive Safety and Optimality

要約

私たちは、複雑なタスクの実行を支援するロボットに囲まれています。
ロボットには、産業の自動化からパーソナライズされた支援まで、幅広いアプリケーションがあります。
しかし、大きな技術革新により、大きな課題があります。
ロボット工学の主要な課題の1つは、パス計画です。
グラフ検索、サンプリング、潜在的なフィールド方法などの進歩にもかかわらず、ほとんどのパス計画アルゴリズムは最適性または安全性に焦点を当てています。
両方が同時に対処する研究はほとんどありません。
修正されたヒューリスティックと動的な安全コスト関数を使用して、安全性と最適性のバランスをとる統一されたパスプランナー（UPP）を提案します。
安全性のレベルは、調整可能なパラメーターを介して調整し、計算の複雑さと取引することができます。
シミュレーションにおけるプランナーのパフォーマンスを示し、パラメーターの変動が結果にどのように影響するかを示します。
UPPは、さまざまなシナリオにわたるさまざまな従来の最適計画アルゴリズムと比較されます。
また、ロボットが安全で最適下のパスを正常に見つけるタートルボットでそれを検証します。

要約(オリジナル)

We are surrounded by robots helping us perform complex tasks. Robots have a wide range of applications, from industrial automation to personalized assistance. However, with great technological innovation come significant challenges. One of the major challenges in robotics is path planning. Despite advancements such as graph search, sampling, and potential field methods, most path planning algorithms focus either on optimality or on safety. Very little research addresses both simultaneously. We propose a Unified Path Planner (UPP) that uses modified heuristics and a dynamic safety cost function to balance safety and optimality. The level of safety can be adjusted via tunable parameters, trading off against computational complexity. We demonstrate the planner’s performance in simulations, showing how parameter variation affects results. UPP is compared with various traditional and safe-optimal planning algorithms across different scenarios. We also validate it on a TurtleBot, where the robot successfully finds safe and sub-optimal paths.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google