集成高层与低层规划

我们提出一种集成高层与低层规划的可能方法。为此，我们引入全局规划随机轨迹 $\boldsymbol{\eta}_0 \colon [1,T] \to \mathbb R^2$，由目标 $G_i$ 度量并受分布 $p(\boldsymbol{\eta}_0 \mid \{ G_i\}_{i=1}^m)$ 支配。该分布与低层机器人-人群规划器 $p(\mathbf{f}^{R},\mathbf{f}^{1},\ldots,\mathbf{f}^{n}\mid\mathbf{z}_{1:t})$（来自~\cite{trautmanicra2013, trautmaniros}）结合于分布 $p(\boldsymbol{\eta}_0,\mathbf{f}^{(R)},\mathbf{f}\mid\mathbf{z}_{1:t})$ 中。我们在三个案例研究中探索这种集成规划表述，并在此过程中发现该表述 1) 以实际有用的方式推广了ROS导航栈 2) 当出现未预期的局部扰动时，以统计上合理的方式仲裁高层与低层决策 3) 使得板载操作员能够在全局（例如路径点指定）或局部（例如操纵杆）级别提供实时输入成为可能。重要的是，集成规划表述 $p(\boldsymbol{\eta}_0,\mathbf{f}^{(R)},\mathbf{f}\mid\mathbf{z}_{1:t})$ 凸显了ROS导航栈（以及因此标准分层规划架构）的故障模式；这些故障模式通过使用 $p(\boldsymbol{\eta}_0,\mathbf{f}^{(R)},\mathbf{f}\mid\mathbf{z}_{1:t})$ 得以解决。最后，我们以讨论形式方法的结果如何指导我们对 $p(\boldsymbol{\eta}_0,\mathbf{f}^{(R)},\mathbf{f}\mid\mathbf{z}_{1:t})$ 的因式分解作结。