Guided Sampling-Based Motion Planning with Dynamics in Unknown Environments

要約

動作計画の効率と品質は最近の進歩で改善されていますが、部分的にマッピングされた環境で衝突のない動的に実行可能な軌道を計画することは依然として困難です。ナビゲーション中に目に見えない障害物が明らかになるたびに計画を継続的に再計画することは、両方とも多大な計算コストを発生させ、問題のある振動動作を引き起こす可能性があるためです。
。
部分マップでの動作計画の品質を向上させるために、この論文では、再計画中に動作ツリーの拡張をガイドするための高レベルの離散層と以前のソリューションを活用するサンプリングベースの動作計画を強化するフレームワークを開発し、(i) より迅速な計画の両方を可能にします。
(ii) ソリューションの一貫性が向上しました。
私たちのフレームワークは、他のサンプリングベースのモーション プランナーと比較して、実行時間とソリューション距離が大幅に向上していることがわかります。

要約(オリジナル)

Despite recent progress improving the efficiency and quality of motion planning, planning collision-free and dynamically-feasible trajectories in partially-mapped environments remains challenging, since constantly replanning as unseen obstacles are revealed during navigation both incurs significant computational expense and can introduce problematic oscillatory behavior. To improve the quality of motion planning in partial maps, this paper develops a framework that augments sampling-based motion planning to leverage a high-level discrete layer and prior solutions to guide motion-tree expansion during replanning, affording both (i) faster planning and (ii) improved solution coherence. Our framework shows significant improvements in runtime and solution distance when compared with other sampling-based motion planners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google