Towards Local Minima-free Robotic Navigation: Model Predictive Path Integral Control via Repulsive Potential Augmentation

要約

モデルベースの制御は、ロボット ナビゲーションの重要なコンポーネントです。
ただし、有限で近視眼的な最適化手順としての固有の性質により、極小値での閉じ込めに苦戦することがよくあります。
以前の研究ではこの問題に取り組んできましたが、反応的な性質によりソリューションの品質が犠牲になったり、プロアクティブなガイダンスのための明示的なパスを生成する際の計算効率が犠牲になったりしていました。
この目的を達成するために、グローバル パスからの誘導なしに局所最小値を積極的に回避する動作計画方法を提案します。
重要なアイデアは、斥力ポテンシャルの増強であり、人工ポテンシャル場を介して、高レベルの方向情報を単一の斥力項としてモデル予測パス積分制御に統合します。
私たちは、極小値を引き起こす障害物がある環境での理論分析とシミュレーションを通じてこの方法を評価します。
結果は、私たちの方法が極小値の回避を保証し、計算効率を低下させることなく大域的最適性の点で既存の方法よりも優れていることを示しています。

要約(オリジナル)

Model-based control is a crucial component of robotic navigation. However, it often struggles with entrapment in local minima due to its inherent nature as a finite, myopic optimization procedure. Previous studies have addressed this issue but sacrificed either solution quality due to their reactive nature or computational efficiency in generating explicit paths for proactive guidance. To this end, we propose a motion planning method that proactively avoids local minima without any guidance from global paths. The key idea is repulsive potential augmentation, integrating high-level directional information into the Model Predictive Path Integral control as a single repulsive term through an artificial potential field. We evaluate our method through theoretical analysis and simulations in environments with obstacles that induce local minima. Results show that our method guarantees the avoidance of local minima and outperforms existing methods in terms of global optimality without decreasing computational efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google