Chance-Constrained Multi-Robot Motion Planning under Gaussian Uncertainties

要約

ガウス運動とセンサーノイズが存在する場合の、偶然に制約されたマルチロボットの運動計画問題を検討します。
私たちが提案するアルゴリズム CC-K-CBS は、Belief-A フレームワークで使用されるガウス信念ツリーの効率性と組み合わせて、運動力学的衝突ベース検索 (K-CBS) のスケーラビリティを活用し、Belief-A フレームワークの完全性保証を継承します。
A の低レベルのサンプリングベースのプランナー。
また、計算と精度をトレードオフする、ロボット間の確率的衝突チェックのための 3 つの異なる方法も開発しました。
私たちのアルゴリズムは、偶然に制約された安全性を保証することで不確実性の進化を考慮しながら、各ロボットを初期状態から目標まで駆動する動作計画を生成します。
ベンチマークでは、プランナー全体のパフォーマンスの特徴付けに加えて、計算時間を衝突チェッカーの保守性と比較します。
結果は、CC-K-CBS が最大 30 台のロボットまで拡張できることを示しています。

要約(オリジナル)

We consider a chance-constrained multi-robot motion planning problem in the presence of Gaussian motion and sensor noise. Our proposed algorithm, CC-K-CBS, leverages the scalability of kinodynamic conflict-based search (K-CBS) in conjunction with the efficiency of the Gaussian belief trees used in the Belief-A framework, and inherits the completeness guarantees of Belief-A’s low-level sampling-based planner. We also develop three different methods for robot-robot probabilistic collision checking, which trade off computation with accuracy. Our algorithm generates motion plans driving each robot from its initial state to its goal while accounting for the evolution of its uncertainty with chance-constrained safety guarantees. Benchmarks compare computation time to conservatism of the collision checkers, in addition to characterizing the performance of the planner as a whole. Results show that CC-K-CBS can scale up to 30 robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google