要約
散らかった環境で任意の形の地上ロボットを安全にナビゲートすることは、挑戦的な問題のままです。
ロボットの物理的な幾何学を説明する既存の軌跡計画者は、手に負えないランタイムに深刻に苦しんでいます。
任意の形状の地上ロボット計画の計算効率と継続的な衝突回避（CCA）の両方を達成するために、計画を大幅に加速する新しい粗からファインへのナビゲーションフレームワークを提案しました。
最初の段階では、サンプリングベースのメソッドは、最小膨張したマージンを保証する明確なトポロジーパスを選択的に生成します。
第2段階では、ジオメトリ認識フロントエンド戦略がこれらのトポロジをフル状態のロボットモーションシーケンスに離散化しながら、SE（2）サブ問題とバックエンド最適化のためのよりシンプルなR2サブ問題へのパスを同時に分割するように設計されています。
最終段階では、SVSDFベースのオプティマイザーは、これらのサブ問題に合わせた軌跡を生成し、連続的な最終モーションプランにシームレスにスプライスします。
広範なベンチマークの比較は、提案された方法が、高い計画成功率を維持し、CCAを確保しながら、ランタイムの最先端の方法よりも1桁から数桁高速であることを示しています。
要約(オリジナル)
Navigating an arbitrary-shaped ground robot safely in cluttered environments remains a challenging problem. The existing trajectory planners that account for the robot’s physical geometry severely suffer from the intractable runtime. To achieve both computational efficiency and Continuous Collision Avoidance (CCA) of arbitrary-shaped ground robot planning, we proposed a novel coarse-to-fine navigation framework that significantly accelerates planning. In the first stage, a sampling-based method selectively generates distinct topological paths that guarantee a minimum inflated margin. In the second stage, a geometry-aware front-end strategy is designed to discretize these topologies into full-state robot motion sequences while concurrently partitioning the paths into SE(2) sub-problems and simpler R2 sub-problems for back-end optimization. In the final stage, an SVSDF-based optimizer generates trajectories tailored to these sub-problems and seamlessly splices them into a continuous final motion plan. Extensive benchmark comparisons show that the proposed method is one to several orders of magnitude faster than the cutting-edge methods in runtime while maintaining a high planning success rate and ensuring CCA.
arxiv情報
| 著者 | Yisheng Li,Longji Yin,Yixi Cai,Jianheng Liu,Haotian Li,Fu Zhang |
| 発行日 | 2025-04-10 08:34:34+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google