Continuous Implicit SDF Based Any-shape Robot Trajectory Optimization

要約

最適化ベースの軌道生成手法は、ロボットの全身計画で広く使用されています。
ただし、既存の作業では、ロボットのジオメトリと環境表現が単純化されすぎて保守的な軌道になるか、Signed Distance Field (SDF) などの追加情報を維持するために膨大なオーバーヘッドが発生します。
ギャップを埋めるために、ロボットを陰関数と見なし、その表面境界を SDF のゼロレベル セットで表します。
これに基づいて、さらに別の陰関数を使用して、ロボットとその軌跡によって生成されたスイープ ボリュームまでの符号付き距離を遅延計算します。
計算は時空間の連続性を利用することで効率的になり、陰関数は複雑な表面を持つ非凸ロボットに対しても正確で連続的な衝突評価を保証します。
さらに、暗黙的 SDF に適用可能な軌道最適化パイプラインを提案します。
シミュレーションと実世界での実験により、任意の形状のロボットの軌道を最適化するためのアプローチの高性能が検証されます。

要約(オリジナル)

Optimization-based trajectory generation methods are widely used in whole-body planning for robots. However, existing work either oversimplifies the robot’s geometry and environment representation, resulting in a conservative trajectory, or suffers from a huge overhead in maintaining additional information such as the Signed Distance Field (SDF). To bridge the gap, we consider the robot as an implicit function, with its surface boundary represented by the zero-level set of its SDF. Based on this, we further employ another implicit function to lazily compute the signed distance to the swept volume generated by the robot and its trajectory. The computation is efficient by exploiting continuity in space-time, and the implicit function guarantees precise and continuous collision evaluation even for nonconvex robots with complex surfaces. Furthermore, we propose a trajectory optimization pipeline applicable to the implicit SDF. Simulation and real-world experiments validate the high performance of our approach for arbitrarily shaped robot trajectory optimization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google