通过主动重用验证代价实现操作规划问题中的高效路径规划
机器人学
2023-03-02 v1
摘要
在操作规划以及任务与运动规划场景中出现的路径规划问题通常是重复性的：同一机械臂在仅轻微变化的环境中运动。尽管存在这种信息复用的潜力，很少有规划器充分利用可用信息。为了更好地实现这种复用，我们将碰撞检测分解为可复用和不可复用的部分。然后我们将操作规划中的路径规划问题序列视为一个多查询路径规划问题。这允许使用主动最小化多次查询规划代价的规划器，并通过这样做主动复用先前的知识。我们在 EIRM* 和代价有序 LazyPRM* 中实现了该方法，并在多个仿真机器人示例上进行了基准测试。此外，我们表明碰撞检测分解的方法还实现了将所获知识在多个不同实例的同一问题上复用，即在多查询操作规划场景中。使用分解碰撞检测的规划器在初始解时间上以高达两倍的因子优于其他规划器，同时提供相似的求解质量。
引用
@article{arxiv.2303.00637,
title = {Efficient Path Planning In Manipulation Planning Problems by Actively Reusing Validation Effort},
author = {Valentin N. Hartmann and Joaquim Ortiz-Haro and Marc Toussaint},
journal= {arXiv preprint arXiv:2303.00637},
year = {2023}
}