基于搜索的运动规划中改进的软重复检测

基于搜索的技术已通过在状态空间离散化并预计算运动基元，在机器人导航等运动规划问题中展现出巨大成功。然而在具有复杂动态约束的领域中，在离散化状态空间中构建运动基元并非易事。这需要在连续空间中操作，而这对基于搜索的规划器而言具有挑战性，因为它们可能陷入局部极小区域。先前关于连续空间规划的工作引入了软重复检测，其要求搜索计算某一状态相对于先前所见状态的重复性，以避免探索可能为重复的状态，尤其是在局部极小区域。他们提出了一种利用状态间欧氏距离及与障碍物邻近度来计算重复性的简单度量。在本文中，我们改进该度量，引入一种运动动力学感知的度量——子树重叠，作为两个状态间的相似性，即使用运动动力学运动基元在固定时间范围内可到达的后继状态之间的相似性。这捕捉了一种直觉：由于机器人动力学，重复状态在欧氏距离上可能相距甚远却产生非常相似的后继状态，而非重复状态可能相近却产生差异很大的后继状态。