Scalarizing Multi-Objective Robot Planning Problems using Weighted Maximization

要約

自律ロボットのモーション プランナーを設計する場合、通常は複数の目的を考慮する必要があります。
ただし、目的間の望ましいトレードオフをもたらすコスト関数は、簡単には得られません。
多くのアプリケーションに共通する手法は、関連する目的関数の加重和を使用し、重みを慎重に調整することです。
ただし、このアプローチでは、単純な計画問題であっても、関連するすべてのトレードオフが見つかるとは限りません。
したがって、目的の重み付けされた最大値に基づいて代替方法を研究します。
このようなコスト関数は加重和よりも表現力が高く、連続空間と離散空間の両方の運動計画問題にどのように展開できるかを示します。
提案されたコスト関数に対する新しい経路計画アルゴリズムを提案し、その正確性を確立し、実用的な実行時間をもたらすヒューリスティックな適応を提示します。
広範なシミュレーション実験で、提案されたコスト関数とアルゴリズムが、さまざまな計画問題に対して目的間のより広範囲のトレードオフ (つまり、パレート最適解) を見つけることができることを実証し、実際にその利点を示します。

要約(オリジナル)

When designing a motion planner for autonomous robots there are usually multiple objectives to be considered. However, a cost function that yields the desired trade-off between objectives is not easily obtainable. A common technique across many applications is to use a weighted sum of relevant objective functions and then carefully adapt the weights. However, this approach may not find all relevant trade-offs even in simple planning problems. Thus, we study an alternative method based on a weighted maximum of objectives. Such a cost function is more expressive than the weighted sum, and we show how it can be deployed in both continuous- and discrete-space motion planning problems. We propose a novel path planning algorithm for the proposed cost function and establish its correctness, and present heuristic adaptations that yield a practical runtime. In extensive simulation experiments, we demonstrate that the proposed cost function and algorithm are able to find a wider range of trade-offs between objectives (i.e., Pareto-optimal solutions) for various planning problems, showcasing its advantages in practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google