基于经验的最优运动规划算法：解决数据有限的困难规划问题
机器人学
2025-03-21 v1
摘要
本研究旨在解决在有限数据集上获取高质量解路径这一关键挑战。通过对单一经验生成的微型路径进行变形，灵活地探索搜索树，并引入重新连接过程和信息化采样过程以降低路径成本，IERTC* 过程算法能够实现。该算法的核心思想是根据局部环境的复杂性采用不同策略；例如，当障碍物密集接近搜索树时，采用更复杂的曲线轨迹；当局部环境稀疏时，采用更简单的直线。使用通用运动基准测试的实验结果表明，IERTC* 在拥挤环境中困难问题的规划成功率显著提高（相较于最先进算法平均提高 49.3%），同时显著降低解的成本（降低 56.3%），仅使用一百个经验。此外，结果显示即使仅使用一个经验，也表现出卓越的规划性能（成功率提高 43.8%，解的成本降低 57.8%）。
引用
@article{arxiv.2503.15715,
title = {Experience-based Optimal Motion Planning Algorithm for Solving Difficult Planning Problems Using a Limited Dataset},
author = {Ryota Takamido and Jun Ota},
journal= {arXiv preprint arXiv:2503.15715},
year = {2025}
}