GPU-Accelerated Optimization-Based Collision Avoidance

要約

この論文では、制御対象と障害物を凸多面体の有限和集合としてモデル化できる、衝突回避問題のための GPU 高速化最適化フレームワークを提案します。
スケールベースの衝突検出と凸最適化の強力な二重性に基づいて、新しい衝突回避制約が提案されます。
この制約の下では、衝突回避の高次元の非凸最適化問題は、乗算器の方向交互法 (ADMM) のパラダイムに従って、いくつかの低次元の二次計画法 (QP) に分解できます。
さらに、これらの低次元 QP は GPU と並行して解決できるため、計算時間が大幅に短縮されます。
提案された方法の有効性と実用性を検証するために、高忠実度のシミュレーションが実行されます。

要約(オリジナル)

This paper proposes a GPU-accelerated optimization framework for collision avoidance problems where the controlled objects and the obstacles can be modeled as the finite union of convex polyhedra. A novel collision avoidance constraint is proposed based on scale-based collision detection and the strong duality of convex optimization. Under this constraint, the high-dimensional non-convex optimization problems of collision avoidance can be decomposed into several low-dimensional quadratic programmings (QPs) following the paradigm of alternating direction method of multipliers (ADMM). Furthermore, these low-dimensional QPs can be solved parallel with GPUs, significantly reducing computational time. High-fidelity simulations are conducted to validate the proposed method’s effectiveness and practicality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google