AMRA*: Anytime Multi-Resolution Multi-Heuristic A*

要約

通常、ヒューリスティック検索ベースのモーション プランニング アルゴリズムは、最短経路の問題を解決するために検索空間を離散化します。
それらのパフォーマンスは、この離散化と密接に関連しています。
細かい離散化により、連続探索空間のより良い近似が可能になりますが、解の探索の計算コストが高くなります。
解像度が粗い場合、アルゴリズムは品質を犠牲にしてソリューションを迅速に見つけることができます。
大規模な状態空間の場合、離散化の定義が難しい場合でも、複数の解像度にわたって解を検索することが有益な場合があります。
最近提案されたアルゴリズム Multi-Resolution A* (MRA*) は、複数の解像度を検索します。
障害物のない空間の広い領域を横断し、粗い解像度で極小値を回避します。
また、いわゆる狭い通路をより細かい解像度でナビゲートすることもできます。
この作業では、MRA* の常時バージョンである AMRA* を開発します。
AMRA* は、できるだけ粗い解像度を使用して迅速に解を見つけようとします。
次に、細かい解像度に依存してソリューションを改良し、粗い解像度では利用できなかった可能性のあるより良いパスを発見します。
AMRA* は、いつでもアクセスできるだけでなく、複数のヒューリスティック間で情報を共有することもできます。
私たちは、最高の解像度に関して、AMRA* が完全かつ最適であることを証明します (時間の制限内で)。
2D グリッド ナビゲーションと 4D キノダイナミクス プランニングの問題でそのパフォーマンスを示します。

要約(オリジナル)

Heuristic search-based motion planning algorithms typically discretise the search space in order to solve the shortest path problem. Their performance is closely related to this discretisation. A fine discretisation allows for better approximations of the continuous search space, but makes the search for a solution more computationally costly. A coarser resolution might allow the algorithms to find solutions quickly at the expense of quality. For large state spaces, it can be beneficial to search for solutions across multiple resolutions even though defining the discretisations is challenging. The recently proposed algorithm Multi-Resolution A* (MRA*) searches over multiple resolutions. It traverses large areas of obstacle-free space and escapes local minima at a coarse resolution. It can also navigate so-called narrow passageways at a finer resolution. In this work, we develop AMRA*, an anytime version of MRA*. AMRA* tries to find a solution quickly using the coarse resolution as much as possible. It then refines the solution by relying on the fine resolution to discover better paths that may not have been available at the coarse resolution. In addition to being anytime, AMRA* can also leverage information sharing between multiple heuristics. We prove that AMRA* is complete and optimal (in-the-limit of time) with respect to the finest resolution. We show its performance on 2D grid navigation and 4D kinodynamic planning problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google