PiP-X: Online feedback motion planning/replanning in dynamic environments using invariant funnels

要約

運動力学的に実現可能な動作計画を計算し、環境の変化に応じてその計画をその場で修復することは、ロボットのナビゲーションにおいては困難ですが、関連する問題です。
我々は、有限時間不変集合であるファネルを使用した、新しいオンライン単一クエリ サンプリング ベースのモーション再計画アルゴリズム PiP-X を提案します。
私たちは、サンプリングベースの手法、非線形システム解析、制御理論の概念を組み合わせて、動的ワークスペースにおける一般的な非線形動的システムのフィードバック動作の再計画を可能にする単一のフレームワークを作成します。
体積ファネル グラフは、サンプリング ベースの方法を使用して構築され、ロボット構成から目的の目標領域までの最適なファネル パスが、その中の最短パス サブツリーを計算することによって決定されます。
Lyapunov レベルセット理論を使用して軌道の安定性を分析し、形式的に定量化することで、運動力学的実現可能性と解パスのセット不変性が保証されます。
インクリメンタル検索技術とモーション プリミティブの事前計算されたライブラリの使用により、高密度で乱雑で動的な環境で制御可能なモーション プランをオンラインで迅速に再配線するためにこの方法を使用できることが保証されます。
軌道の通過可能性と順序付け可能性を拡張有向グラフの形式でまとめて表現し、離散グラフベースの再計画アルゴリズムを活用して、本質的に体積的な実行可能で制御可能な動作計画を効率的に再計算するのに役立ちます。
迷路やランダム フォレスト環境内のさまざまなシナリオで、シミュレートされた 6DOF クアローター プラットフォームでアプローチを検証します。
繰り返された実験から、アルゴリズムの成功と通過した軌跡の長さの観点からパフォーマンスを分析します。

要約(オリジナル)

Computing kinodynamically feasible motion plans and repairing them on-the-fly as the environment changes is a challenging, yet relevant problem in robot-navigation. We propose a novel online single-query sampling-based motion re-planning algorithm – PiP-X, using finite-time invariant sets – funnels. We combine concepts from sampling-based methods, nonlinear systems analysis and control theory to create a single framework that enables feedback motion re-planning for any general nonlinear dynamical system in dynamic workspaces. A volumetric funnel-graph is constructed using sampling-based methods, and an optimal funnel-path from robot configuration to a desired goal region is then determined by computing the shortest-path subtree in it. Analysing and formally quantifying the stability of trajectories using Lyapunov level-set theory ensures kinodynamic feasibility and guaranteed set-invariance of the solution-paths. The use of incremental search techniques and a pre-computed library of motion-primitives ensure that our method can be used for quick online rewiring of controllable motion plans in densely cluttered and dynamic environments. We represent traversability and sequencibility of trajectories together in the form of an augmented directed-graph, helping us leverage discrete graph-based replanning algorithms to efficiently recompute feasible and controllable motion plans that are volumetric in nature. We validate our approach on a simulated 6DOF quadrotor platform in a variety of scenarios within a maze and random forest environment. From repeated experiments, we analyse the performance in terms of algorithm-success and length of traversed-trajectory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google