IBBT：面向不确定性下运动规划的知情批量信念树
机器人学
2023-04-24 v1 人工智能
摘要
在这项工作中，我们提出用于运动和感知不确定性下运动规划的知情批量信念树（IBBT）算法。原始的随机运动规划问题被划分为一个确定性运动规划问题和一个图搜索问题。我们使用基于采样的方法（如 PRM 或 RRG）求解确定性规划问题，以构建标称轨迹图。然后，基于该标称轨迹图计算原问题的知情代价到go启发式。最后，我们利用所提启发式在图上搜索来生长信念树。IBBT 在批量状态采样、标称轨迹图构建、启发式计算和图搜索之间交替进行，以寻找信念空间运动规划。IBBT 是一种随时、增量式算法。随着图中加入的批量样本数量增加，算法找到的运动规划收敛于最优解。IBBT 通过复用连续迭代间的结果而高效。信念树搜索是由知情启发式引导的有序搜索。我们在不同规划环境中测试了 IBBT。我们的数值研究证实，IBBT 能找到非平凡的运动规划，并且比以往类似方法更快。
引用
@article{arxiv.2304.10984,
title = {IBBT: Informed Batch Belief Trees for Motion Planning Under Uncertainty},
author = {Dongliang Zheng and Panagiotis Tsiotras},
journal= {arXiv preprint arXiv:2304.10984},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2110.00173