Scaling Motion Planning Infeasibility Proofs

要約

動作計画の問題を完全に達成するには、特に高次元でのかなりの計算能力が必要です。
並列コンピューティングの最近の開発により、これがより実現可能になりました。
実現不可能性の証明を構築するための、恥ずかしいほどの並列アルゴリズムを紹介します。
具体的には、Coxeter 三角形分割による多様体トレースに基づいて、GPU 上で多様体三角形分割アルゴリズムを設計および実装します。
三角測量中に限られた GPU メモリ リソース内で大量のメモリが使用されるという課題に対処するために、設計の一部としてバッチ三角測量を導入しました。
このアルゴリズムにより、実行不可能性の証明を構築するための以前の方法と比較して 2 桁の速度向上が実現します。
結果として得られる漸近的に完全な動作計画アルゴリズムは、CPU アーキテクチャと GPU アーキテクチャの両方の計算能力を効果的に活用し、2 つの部分間のデータ転送を最小限に抑えます。
5-DoF および 6-Dof マニピュレータ シーンで実験を実行します。

要約(オリジナル)

Achieving completeness in the motion planning problem demands substantial computation power, especially in high dimensions. Recent developments in parallel computing have rendered this more achievable. We introduce an embarrassingly parallel algorithm for constructing infeasibility proofs. Specifically, we design and implement a manifold triangulation algorithm on GPUs based on manifold tracing with Coxeter triangulation. To address the challenge of extensive memory usage within limited GPU memory resources during triangulation, we introduce batch triangulation as part of our design. The algorithm provides two orders of magnitude speed-up compared to the previous method for constructing infeasibility proofs. The resulting asymptotically complete motion planning algorithm effectively leverages the computational capabilities of both CPU and GPU architectures and maintains minimum data transfer between the two parts. We perform experiments on 5-DoF and 6-Dof manipulator scenes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google