Asymptotically Optimal Sampling-Based Path Planning Using Bidirectional Guidance Heuristic

要約

この文書では、漸近的に最適なサンプリングベースの新しい動作計画アルゴリズムである双方向ガイダンス情報ツリー (BIGIT*) を紹介します。
新しい遅延戦略による双方向ヒューリスティック検索と均一コスト検索における \emph{meet-in-the-middle} 特性の強みを利用して、BIGIT* は暗黙的なランダム幾何グラフ (RGG) 上に暗黙的に双方向の予備モーション ツリーを構築します。
）。
これにより、情報に基づいた検索領域が効率的に絞り込まれ、許容可能で正確な双方向ガイダンス ヒューリスティックとして機能します。
このヒューリスティックは、その後、指定された RGG 上で有効なパスを見つける際の双方向ヒューリスティック検索をガイドするために利用されます。
実験によると、BIGIT* は、$\mathbb{R}^{16}$ でシミュレートされた抽象問題の初期解の迅速な発見と最適値への収束の両方において、既存の情報に基づいたサンプリングベースのモーション プランナーよりも優れていることが示されています。
キャンパス全体での実践的なドローン飛行経路計画タスクでも、結果を検証します。

要約(オリジナル)

This paper introduces Bidirectional Guidance Informed Trees (BIGIT*),~a new asymptotically optimal sampling-based motion planning algorithm. Capitalizing on the strengths of \emph{meet-in-the-middle} property in bidirectional heuristic search with a new lazy strategy, and uniform-cost search, BIGIT* constructs an implicitly bidirectional preliminary motion tree on an implicit random geometric graph (RGG). This efficiently tightens the informed search region, serving as an admissible and accurate bidirectional guidance heuristic. This heuristic is subsequently utilized to guide a bidirectional heuristic search in finding a valid path on the given RGG. Experiments show that BIGIT* outperforms the existing informed sampling-based motion planners both in faster finding an initial solution and converging to the optimum on simulated abstract problems in $\mathbb{R}^{16}$. Practical drone flight path planning tasks across a campus also verify our results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google