Nearest-Neighbourless Asymptotically Optimal Motion Planning with Fully Connected Informed Trees (FCIT*)

要約

自由度の高いロボットの動作計画アルゴリズムのパフォーマンスを向上するには、通常、計算コストのかかる操作のコストまたは頻度を削減する必要があります。
従来、特に漸近的に最適なサンプリング ベースのモーション プランナの場合、最もコストのかかる操作は、ローカル モーションの検証と構成の最近傍のクエリです。
最近の進歩により、単一命令/複数データ (SIMD) 並列処理を使用して動作計画の問題を満たすための解決時間を短縮することにより、動作検証のコストが大幅に削減されました。
これらの進歩は、漸近的に最適な動作計画にはまだ適用されていません。
この論文では、初の完全接続、情報提供、いつでもほぼ確実に漸近最適 (ASAO) アルゴリズムである完全接続情報ツリー (FCIT*) について説明します。
FCIT* は、SIMD 並列処理によるエッジ評価の大幅なコスト削減を利用して、完全に接続されたグラフを構築および検索します。
これにより、多くのサンプリング ベースのモーション プランナーにとって主なコストとなる最近隣構造の必要性がなくなり、最先端の ASAO (VAMP、OMPL) や満足のいく (OMPL) よりも早く初期解を見つけることができます。
MotionBenchMaker データセット上のアルゴリズムをいつでも最適な計画に向けて収束させます。

要約(オリジナル)

Improving the performance of motion planning algorithms for high-degree-of-freedom robots usually requires reducing the cost or frequency of computationally expensive operations. Traditionally, and especially for asymptotically optimal sampling-based motion planners, the most expensive operations are local motion validation and querying the nearest neighbours of a configuration. Recent advances have significantly reduced the cost of motion validation by using single instruction/multiple data (SIMD) parallelism to improve solution times for satisficing motion planning problems. These advances have not yet been applied to asymptotically optimal motion planning. This paper presents Fully Connected Informed Trees (FCIT*), the first fully connected, informed, anytime almost-surely asymptotically optimal (ASAO) algorithm. FCIT* exploits the radically reduced cost of edge evaluation via SIMD parallelism to build and search fully connected graphs. This removes the need for nearest-neighbours structures, which are a dominant cost for many sampling-based motion planners, and allows it to find initial solutions faster than state-of-the-art ASAO (VAMP, OMPL) and satisficing (OMPL) algorithms on the MotionBenchMaker dataset while converging towards optimal plans in an anytime manner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google