全局张量运动规划
机器人学
2025-05-30 v3 人工智能
机器学习
系统与控制
系统与控制
摘要
批量规划日益成为快速生成多样且高质量运动计划以适应下游学习应用（如蒸馏与模仿学习）的必要手段。本文提出Global Tensor Motion Planning（GTMP）——一种仅包含张量运算的采样式运动规划算法。我们引入一种新型离散结构，表现为随机多部份图，实现高效的向量化抽样、碰撞检测与搜索。我们提供理论分析，表明GTMP在概率完备性方面具有保证，同时支持现代GPU/TPU。此外，通过将光滑结构纳入多部份图，GTMP直接规划光滑样条，无需基于梯度的数值优化。在激光雷达扫描占用图和MotionBenchMarker数据集上的实验表明，GTMP在批量规划中实现计算效率优于基线方法，凸显其作为鲁棒、可扩展规划器以适应多样化应用与大规模机器人学习任务的潜力。
引用
@article{arxiv.2411.19393,
title = {Global Tensor Motion Planning},
author = {An T. Le and Kay Hansel and João Carvalho and Joe Watson and Julen Urain and Armin Biess and Georgia Chalvatzaki and Jan Peters},
journal= {arXiv preprint arXiv:2411.19393},
year = {2025}
}
备注
8 pages, 3 figures. Accepted at IEEE Robotics and Automation Letters 2025