基于全知集合近似的渐近最优路径规划
机器人学
2025-03-21 v1
摘要
快速探索随机树（RRT*）的渐近最优版本常被用于在高维位形空间中寻找最优路径。RRT* 的一个已知问题是其向最优解收敛缓慢。一种可能的解决方案是仅从已知包含能够改善路径成本的位形的位形空间子集（全知集合）中抽取随机样本。通过用低体积集合近似全知集合，可以实现快速收敛率。在本文中，我们提出了近似全知集合的新方法及其有效采样方法。首先，我们提出利用由当前最佳解的截面定义的几个（小）超椭球体来近似全知集合。第二种方法通过由当前解计算的凸包来近似全知集合。两种方法均保证了渐近最优性，并适用于一般的 维位形空间。实验表明，在 3D 和 6D 位形空间的多种场景中，我们的方法表现出了优越的性能。
引用
@article{arxiv.2503.16164,
title = {Asymptotically Optimal Path Planning With an Approximation of the Omniscient Set},
author = {Jonáš Kříž and Vojtěch Vonásek},
journal= {arXiv preprint arXiv:2503.16164},
year = {2025}
}
备注
9 pages, 13 figures