基于经验的子问题规划用于多机器人运动规划
机器人学
2024-11-14 v1
摘要
多机器人系统提高了从制造到监控等各种应用的效率和生产力。虽然单机器人运动规划通过使用先前解决方案的数据库得到了改进，但将这种方法扩展到多机器人运动规划（MRMP）面临挑战，因为任务和配置的复杂性和多样性增加。最近的离散方法试图通过关注相关的低维子问题来解决这个问题，但它们对于涉及操作臂机器人等复杂场景是不够的。为了克服这一点，我们提出了一种新方法，该方法通过构建和利用较小子问题的解决方案数据库来利用基于经验的规划。通过关注较少机器人之间的交互，我们的方法减少了对详尽数据库增长的需求，从而能够高效地处理更复杂的MRMP场景。我们通过涉及移动机器人和操作臂机器人的实验验证了我们的方法，展示了相比现有方法在可扩展性和规划效率上的显著改进。我们的贡献包括一个快速构建的低维MRMP问题数据库，一个将这些解决方案应用于更大问题的框架，以及涉及多达32个移动机器人和16个操作臂机器人的实验验证。
引用
@article{arxiv.2411.08851,
title = {Experience-based Subproblem Planning for Multi-Robot Motion Planning},
author = {Irving Solis and James Motes and Mike Qin and Marco Morales and Nancy M. Amato},
journal= {arXiv preprint arXiv:2411.08851},
year = {2024}
}