Paramater Optimization for Manipulator Motion Planning using a Novel Benchmark Set

要約

サンプリング ベースのモーション プランニング アルゴリズムは、20 年以上にわたって継続的に開発されてきました。
移動ロボットとは別に、マニピュレータの動作計画にも広く使用されています。
したがって、これらの方法は、共同作業や共有ワークスペースで重要な役割を果たします。
多くの改善にもかかわらず、それらのパフォーマンスは、選択したパラメーター設定によって大きく異なります。
最適なパラメーターは、開始状態、目標状態、環境の複雑さなど、さまざまな要因によって異なります。
実務者は通常、経験と退屈な試行錯誤実験を使用してこれらの値を選択します。
この問題に対処するために、最近の研究では、ハイパーパラメータ最適化手法とモーション プランニングを組み合わせています。
彼らは、プランナーのパラメーターを調整することで、計画時間の短縮とコストの削減につながることを示しています。
しかし、そのようなアプローチが、狭い通路やほとんど雑然とした環境を含むさまざまな計画の問題にどの程度一般化できるかは明らかではありません。
この作業では、さまざまな計画の問題の大規模なセットに対して最適化されたプランナーの設定を分析します。
次に、計画問題の特性と最適なパラメーターの間の関係についての洞察を提供します。
その結果、さまざまなユースケースに推奨されるパラメーターのリストを提供します。
私たちの実験は、https://mytuc.org/rybj で提供するマニピュレーターの新しいモーション プランニング ベンチマークに基づいています。

要約(オリジナル)

Sampling-based motion planning algorithms have been continuously developed for more than two decades. Apart from mobile robots, they are also widely used in manipulator motion planning. Hence, these methods play a key role in collaborative and shared workspaces. Despite numerous improvements, their performance can highly vary depending on the chosen parameter setting. The optimal parameters depend on numerous factors such as the start state, the goal state and the complexity of the environment. Practitioners usually choose these values using their experience and tedious trial and error experiments. To address this problem, recent works combine hyperparameter optimization methods with motion planning. They show that tuning the planner’s parameters can lead to shorter planning times and lower costs. It is not clear, however, how well such approaches generalize to a diverse set of planning problems that include narrow passages as well as barely cluttered environments. In this work, we analyze optimized planner settings for a large set of diverse planning problems. We then provide insights into the connection between the characteristics of the planning problem and the optimal parameters. As a result, we provide a list of recommended parameters for various use-cases. Our experiments are based on a novel motion planning benchmark for manipulators which we provide at https://mytuc.org/rybj.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google