Relevant Region Sampling Strategy with Adaptive Heuristic for Asymptotically Optimal Path Planning

要約

サンプリングベースの計画アルゴリズムは、高次元の状態空間における計画問題を解決するための強力なツールです。
この記事では、計画にかかる時間を大幅に削減する、最も有望な地域でサンプリングするための新しいアプローチを紹介します。
RRT# アルゴリズムは、最適な前方探索ツリーによって提供されるコストに基づいて関連領域を定義します。
ただし、現在の状態と目標状態の間の直接接続の累積コストをコストとして使用します。
経路計画の効率を向上させるために、最適な到達コストと適応的な到達コストに従って定義される直接サンプリング戦略を使用して、洗練された関連領域でサンプリングするバッチサンプリング方法を提案します。
ヒューリスティック情報のさまざまなソース。
提案されたサンプリング手法により、アルゴリズムは最も有望な領域の方向に探索ツリーを構築できるため、関連する作業と比較して優れた初期解の品質が得られ、全体の計算時間が短縮されます。
私たちの方法の有効性を検証するために、$SE(2)$ と $SE(3)$ の両方の状態空間でいくつかのシミュレーションを実行しました。
そして,シミュレーション結果は,提案したアルゴリズムの優位性を実証した。

要約(オリジナル)

Sampling-based planning algorithm is a powerful tool for solving planning problems in high-dimensional state spaces. In this article, we present a novel approach to sampling in the most promising regions, which significantly reduces planning time-consumption. The RRT# algorithm defines the Relevant Region based on the cost-to-come provided by the optimal forward-searching tree. However, it uses the cumulative cost of a direct connection between the current state and the goal state as the cost-to-go. To improve the path planning efficiency, we propose a batch sampling method that samples in a refined Relevant Region with a direct sampling strategy, which is defined according to the optimal cost-to-come and the adaptive cost-to-go, taking advantage of various sources of heuristic information. The proposed sampling approach allows the algorithm to build the search tree in the direction of the most promising area, resulting in a superior initial solution quality and reducing the overall computation time compared to related work. To validate the effectiveness of our method, we conducted several simulations in both $SE(2)$ and $SE(3)$ state spaces. And the simulation results demonstrate the superiorities of proposed algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google