Asymptotically Optimal Belief Space Planning in Discrete Partially-Observable Domains

要約

ロボットは多くの場合、部分的に観察可能な離散的な世界で動作する必要があり、世界の状態は実行時にのみ観察可能です。
世界のさまざまな状態に反応するには、ロボットには不測の事態が必要です。
ただし、不測の事態の計算にはコストがかかり、多くの場合最適ではありません。
この問題に対処するために、我々は改良されたパス ツリー最適化 (PTO) 手法を開発しました。
PTO は、信念空間で動作パスのツリーを構築することによって動作の偶発性を計算します。
これは、構成のグラフを構築し、次に観測エッジを追加してグラフを信念空間に拡張することによって実現されます。
その後、動的プログラミング ステップを使用してパス ツリーを抽出します。
PTO は、カメラベースの状態サンプラーを追加することで以前の作業を拡張し、観測点の検索を改善します。
また、非ユークリッド状態空間のサポートを追加し、オープン モーション プランニング ライブラリ (OMPL) での実装を提供し、最大 10 次元の状態空間で仮想カメラを使用した 4 つの現実的なシナリオで PTO を評価します。
PTO をデフォルトと新しいカメラベースの状態サンプラーと比較します。
結果は、カメラベースの状態サンプラーは、メモリ使用量を大幅に削減しながら、4 つのシナリオのうち 3 つのシナリオで成功率を向上させることを示しています。
このため、PTO は離散信念空間計画の最先端の進歩に重要な貢献をします。

要約(オリジナル)

Robots often have to operate in discrete partially observable worlds, where the states of world are only observable at runtime. To react to different world states, robots need contingencies. However, computing contingencies is costly and often non-optimal. To address this problem, we develop the improved path tree optimization (PTO) method. PTO computes motion contingencies by constructing a tree of motion paths in belief space. This is achieved by constructing a graph of configurations, then adding observation edges to extend the graph to belief space. Afterwards, we use a dynamic programming step to extract the path tree. PTO extends prior work by adding a camera-based state sampler to improve the search for observation points. We also add support to non-euclidean state spaces, provide an implementation in the open motion planning library (OMPL), and evaluate PTO on four realistic scenarios with a virtual camera in up to 10-dimensional state spaces. We compare PTO with a default and with the new camera-based state sampler. The results indicate that the camera-based state sampler improves success rates in 3 out of 4 scenarios while having a significant lower memory footprint. This makes PTO an important contribution to advance the state-of-the-art for discrete belief space planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google