基于路线图的检查规划的高效计算:增量惰性搜索方法

Mengyu Fu; Oren Salzman; Ron Alterovitz

基于路线图的检查规划的高效计算:增量惰性搜索方法

机器人学 2021-03-26 v1

作者: Mengyu Fu , Oren Salzman , Ron Alterovitz

摘要

检查规划问题要求为机器人计算运动,使其能检查一组感兴趣点(POIs),同时考虑规划质量(如规划长度)。该问题在基础设施维护、施工和手术等机器人可辅助检查的诸多领域均有应用。增量随机检查路线图搜索(IRIS)是一种渐近最优的检查规划器,被证明比先前最先进方法快数个数量级地计算出更高质量的 inspection plans。本文大幅加速IRIS的性能,以拓展其在更具挑战性的真实世界应用中的适用性。IRIS面临的一个关键计算挑战是有效地在路线图中搜索检查规划——这一步骤占据其运行时间的主要部分。本工作中,我们展示如何将惰性边评估技术纳入IRIS的搜索算法,以及如何在路线图发生局部变化时复用搜索代价。这些增强在不损害IRIS渐近最优性的前提下,使我们比原始IRIS更快地计算检查规划。我们将增强后的IRIS应用于模拟桥梁检查与手术检查任务,结果表明新算法在某些场景下可比先前工作快570倍地计算出质量相近的检查规划。

关键词

检查规划机器人运动规划路线图搜索惰性边评估增量搜索 IRIS 桥梁检查手术检查

引用

@article{arxiv.2103.13573,
  title  = {Computationally-Efficient Roadmap-based Inspection Planning via Incremental Lazy Search},
  author = {Mengyu Fu and Oren Salzman and Ron Alterovitz},
  journal= {arXiv preprint arXiv:2103.13573},
  year   = {2021}
}

备注

to be published in ICRA 2021

基于路线图的检查规划的高效计算:增量惰性搜索方法

摘要

关键词

引用

备注

相关论文