通过快速全对 $r$-近邻实现高效高质量运动规划
机器人学
2014-09-30 v1
摘要
基于采样的运动规划算法在构建路图时通常依赖近邻 (NN) 查询。近期结果表明，在各种设置中，NN 查询可能是此类算法的计算瓶颈。此外，在几种渐近最优算法中，这些 NN 查询具有特定形式：给定一组点和一个半径 ，报告所有距离至多为 的点对。这就需要一种针对此类查询进行高效回答的专用 NN 数据结构。Aiger 等人最近提出了随机变换网格 (RTG) 作为回答此类查询的工具，并已证明在此背景下其性能优于常见的 NN 数据结构实现。在本工作中，我们将 RTG 应用于基于采样的运动规划算法，并描述了该方法的高效实现。我们表明，对于运动规划，与现有的 NN 数据结构相比，RTG 能够更快地收敛到高质量解。此外，RTG 显著缩短了批量 PRM 变体的构建时间；具体而言，我们在某些场景中展示了二到三倍的速度提升。
引用
@article{arxiv.1409.8112,
title = {Efficient high-quality motion planning by fast all-pairs r-nearest-neighbors},
author = {Michal Kleinbort and Oren Salzman and Dan Halperin},
journal= {arXiv preprint arXiv:1409.8112},
year = {2014}
}