Reachability-based Trajectory Design with Neural Implicit Safety Constraints

要約

安全なモーション プランをリアルタイムで生成することは、ロボット マニピュレーターを展開して共同作業環境で人間を支援するための重要な要件です。
特に、ロボットは、自傷行為や周囲の人への危害を避けるために、厳しい安全要件を満たさなければなりません。
ロボットが環境の変化に適応するためにリアルタイムで動作する必要がある場合、これらの要件を満たすことは特に困難です。このホワイト ペーパーでは、ロボットの安全性に対するニューラルの暗黙的な表現として到達可能性ベースの符号付き距離関数 (RDF) を提案することで、これらの課題に対処します。
扱いやすい方法で教師あり学習を使用して構築できる RDF は、ロボット アームのスイープ ボリュームと障害物との間の距離を正確に予測します。
RDF の推論と勾配計算は高速で、システムの次元に比例してスケーリングします。
これらの機能により、新しいリアルタイム軌道計画フレームワーク内で連続時間衝突回避制約として使用できます。
RDF を使用した計画方法は、さまざまな最先端の手法と比較され、テストされたすべての方法よりも高速かつ確実に、高次元システムの困難なモーション計画タスクをうまく解決できることが実証されています。

要約(オリジナル)

Generating safe motion plans in real-time is a key requirement for deploying robot manipulators to assist humans in collaborative settings. In particular, robots must satisfy strict safety requirements to avoid self-damage or harming nearby humans. Satisfying these requirements is particularly challenging if the robot must also operate in real-time to adjust to changes in its environment.This paper addresses these challenges by proposing Reachability-based Signed Distance Functions (RDFs) as a neural implicit representation for robot safety. RDF, which can be constructed using supervised learning in a tractable fashion, accurately predicts the distance between the swept volume of a robot arm and an obstacle. RDF’s inference and gradient computations are fast and scale linearly with the dimension of the system; these features enable its use within a novel real-time trajectory planning framework as a continuous-time collision-avoidance constraint. The planning method using RDF is compared to a variety of state-of-the-art techniques and is demonstrated to successfully solve challenging motion planning tasks for high-dimensional systems faster and more reliably than all tested methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google