A Framework for Guided Motion Planning

要約

ランダムサンプリングベースのアルゴリズムは、問題の難解性からロボットの動作計画に広く利用されており、実験的にも様々な問題インスタンスで有効である。ほとんどのアルゴリズムは、探索空間の既知の基礎構造に関連する様々なヒューリスティックを用いて、サンプリングに偏りを持たせている。本研究では、ガイド空間の概念を定義することにより、ガイド探索の直感的な概念を形式化する。この新しい言語は、一見異なる多くの先行手法を同じフレームワークの下にカプセル化し、これまで不明瞭であった様々なアルゴリズムの中心的な貢献であるガイダンスについて推論することを可能にする。また、ガイダンスを評価するための情報理論的手法を提案し、様々な環境で既知のアルゴリズムをテストしたところ、実験的に直感と一致した。ガイダンスの言語と評価は、既存の手法の改善を示唆し、複数のソースからのガイダンスを組み合わせたシンプルなハイブリッドアルゴリズムを可能にする。

要約(オリジナル)

Randomized sampling based algorithms are widely used in robot motion planning due to the problem’s intractability, and are experimentally effective on a wide range of problem instances. Most variants bias their sampling using various heuristics related to the known underlying structure of the search space. In this work, we formalize the intuitive notion of guided search by defining the concept of a guiding space. This new language encapsulates many seemingly distinct prior methods under the same framework, and allows us to reason about guidance, a previously obscured core contribution of different algorithms. We suggest an information theoretic method to evaluate guidance, which experimentally matches intuition when tested on known algorithms in a variety of environments. The language and evaluation of guidance suggests improvements to existing methods, and allows for simple hybrid algorithms that combine guidance from multiple sources.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL