基于凸集图的隐式图搜索规划
机器人学
2024-10-14 v1
摘要
凸集图（GCS）是一种最近的轨迹合成方法，通过将规划空间分解为凸集，构建图编码分解内部的相邻关系，然后同时搜索该图并优化部分轨迹以获得最终轨迹。为此，必须求解混合整数凸规划（MICP），为缓解计算时间，GCS提出了一种经验上非常紧密的凸松弛。尽管存在这种紧密的松弛，针对实际机器人问题的GCS运动规划转化为可能包含数百万个约束的同时批处理优化问题，从而可能较慢。进一步说明，GCS问题的规模不随规划查询而变化。基于轨迹解仅局限于凸集子集的观察，我们提出了两种针对凸集图的隐式图搜索方法，称为INSATxGCS（IxG）和IxG*。交叉式搜索与轨迹优化（INSAT）是此前开发的算法，通过在图上搜索和优化部分路径以找到平滑轨迹。通过在凸集图上使用隐式图搜索方法INSAT，我们实现了更快的规划，同时确保了完整性和最优性。此外，引入基于搜索的技术进行凸集图上的规划，使我们能够轻松地利用诸如搜索并行化、惰性规划、即时规划和再规划等成熟技术作为未来工作。数值比较表明，IxG在包括18自由度多臂装配场景在内的多个应用中优于GCS。
引用
@article{arxiv.2410.08909,
title = {Implicit Graph Search for Planning on Graphs of Convex Sets},
author = {Ramkumar Natarajan and Chaoqi Liu and Howie Choset and Maxim Likhachev},
journal= {arXiv preprint arXiv:2410.08909},
year = {2024}
}