面向机器人运动规划的广义惰性搜索：基于事件切换交错搜索与边评估
机器人学
2019-07-24 v4
摘要
惰性搜索算法能高效求解边评估为计算瓶颈的问题，机器人运动规划即属此类。该类中的最优算法LazySP惰性地将边评估限制于最短路径。此举以搜索开销为代价，即每当发现一条边无效时，LazySP必须重新计算搜索树。在处理大图或高度杂乱环境时，这变得极其昂贵。我们的核心见解是需平衡边评估与搜索开销以最小化总规划时间。我们的贡献有二。首先，我们提出一个框架——广义惰性搜索（GLS），其无缝切换于搜索与评估之间以防止浪费开销。我们证明对于某种切换选择，GLS在理论上比LazySP更高效。其次，我们利用边概率的先验经验导出最小化期望规划时间的GLS策略。我们表明，配备此类先验的GLS在R2、SE(2)与7-DoF操作的多个仿真环境中显著优于竞争基线。
引用
@article{arxiv.1904.02795,
title = {Generalized Lazy Search for Robot Motion Planning: Interleaving Search and Edge Evaluation via Event-based Toggles},
author = {Aditya Mandalika and Sanjiban Choudhury and Oren Salzman and Siddhartha Srinivasa},
journal= {arXiv preprint arXiv:1904.02795},
year = {2019}
}
备注
Accepted at International Conference on Automated Planning and Scheduling (ICAPS) 2019