Delayed Expansion AGT: Kinodynamic Planning with Application to Tractor-Trailer Parking

要約

散らかった環境における明確な車両の運動力学的計画は、高次元の状態空間と複雑なシステムのダイナミクスから生じる追加の課題に直面しています。
[1]、[2]に基づいて構築されたこの研究では、事前に計算されたモーションプリミティブ（MPS）と*ヒューリスティックを使用してツリーを栽培するDE-AGTアルゴリズムを提案しています。
DE-AGTの最初の機能は、MPSの遅延拡大です。
特に、MPはさまざまなモードに分かれており、オンラインでランク付けされています。
MPの分類と優先順位付けにより、DE-AGTは最初に最も有望なMPSモードを拡張し、不要な計算を排除し、ソリューションをより速く検索します。
非ホロノミーの明確な車両のコストヒューリスティックを取得するために、私たちは、迅速かつ正確なコスト予測のために、監視された学習とトレーニングニューラルネットワークに依存しています。
学んだヒューリスティックは、オンラインモードのランキングとノードの選択に使用されます。
DE-AGTのもう1つの機能は、改善された目標測定です。
ゴール状態に正確に到達するには、通常、ステアリングの問題を解決することにより、目標との一定の接続チェックが必要です。
提案された終了スキームは、軽量の軌跡追跡コントローラーを検索プロセスと緊密に統合することにより、この課題を克服します。
DE-AGTは、3トレーラーを備えた一般的な車のようなトラクターの自律駐車用に実装されています。
シミュレーション結果は、以前の方法と比較して平均10倍の加速を示しています。

要約(オリジナル)

Kinodynamic planning of articulated vehicles in cluttered environments faces additional challenges arising from high-dimensional state space and complex system dynamics. Built upon [1],[2], this work proposes the DE-AGT algorithm that grows a tree using pre-computed motion primitives (MPs) and A* heuristics. The first feature of DE-AGT is a delayed expansion of MPs. In particular, the MPs are divided into different modes, which are ranked online. With the MP classification and prioritization, DE-AGT expands the most promising mode of MPs first, which eliminates unnecessary computation and finds solutions faster. To obtain the cost-to-go heuristic for nonholonomic articulated vehicles, we rely on supervised learning and train neural networks for fast and accurate cost-to-go prediction. The learned heuristic is used for online mode ranking and node selection. Another feature of DE-AGT is the improved goal-reaching. Exactly reaching a goal state usually requires a constant connection checking with the goal by solving steering problems — non-trivial and time-consuming for articulated vehicles. The proposed termination scheme overcomes this challenge by tightly integrating a light-weight trajectory tracking controller with the search process. DE-AGT is implemented for autonomous parking of a general car-like tractor with 3-trailer. Simulation results show an average of 10x acceleration compared to a previous method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google