Pushing Through Clutter With Movability Awareness of Blocking Obstacles

要約

可動障害物（NAMO）間のナビゲーションは、障害物がパスをブロックしたときに従来のパス計画方法に課題をもたらし、目標に到達するためにプッシュアクションを必要とします。
明示的な障害物の配置に依存することなく、この課題を克服できるようにする可能性のあるモービリティ対応計画を可能にするフレームワークを提案します。
当社のフレームワークは、グローバルなセマンティック可視性グラフとローカルモデルの予測パス積分（SVG-MPPI）アプローチを統合して、障害物の移動性の連続範囲を考慮して、ロールアウトを効率的にサンプリングします。
物理エンジンが採用され、環境とのロールアウトの相互作用結果をシミュレートし、接触力を最小限に抑える軌道を生成します。
定性的および定量的実験では、SVG-MPPIは、計画にバイナリ可動性のみを使用する既存のパラダイムよりも優れており、累積接触力を減らしてより高い成功率を達成します。
私たちのコードは、https：//github.com/tud-amr/svg-mppiで入手できます

要約(オリジナル)

Navigation Among Movable Obstacles (NAMO) poses a challenge for traditional path-planning methods when obstacles block the path, requiring push actions to reach the goal. We propose a framework that enables movability-aware planning to overcome this challenge without relying on explicit obstacle placement. Our framework integrates a global Semantic Visibility Graph and a local Model Predictive Path Integral (SVG-MPPI) approach to efficiently sample rollouts, taking into account the continuous range of obstacle movability. A physics engine is adopted to simulate the interaction result of the rollouts with the environment, and generate trajectories that minimize contact force. In qualitative and quantitative experiments, SVG-MPPI outperforms the existing paradigm that uses only binary movability for planning, achieving higher success rates with reduced cumulative contact forces. Our code is available at: https://github.com/tud-amr/SVG-MPPI

arxiv情報

提供元, 利用サービス

arxiv.jp, Google