基于采样运动规划的交错优化（IOS-MP）：结合局部优化与全局探索
机器人学
2016-09-21 v2
摘要
为机器人计算全局最优运动规划具有挑战性，部分原因在于它要求同时从宏观视角（即考虑多个同伦类中的路径）和微观视角（即局部优化路径质量）分析机器人的位形空间。我们引入了基于采样运动规划的交错优化（IOS-MP），这是一种有效结合全局探索和局部优化以快速计算高质量运动规划的新方法。我们的方法结合了两种范式：（1）渐近最优的基于采样运动规划，它擅长全局探索但在局部细化路径方面相对较慢；以及（2）基于优化的运动规划，它能快速局部优化路径但缺乏对位形空间的全局视角。IOS-MP 在全局探索和局部优化之间迭代交替，并在两者之间共享信息，以提高运动规划效率。我们评估了 IOS-MP 随维度和复杂度的扩展表现，并在 7 自由度机械臂上展示了其对由目标位形和工作空间目标区域指定任务的有效性。
引用
@article{arxiv.1607.06374,
title = {Interleaving Optimization with Sampling-Based Motion Planning (IOS-MP): Combining Local Optimization with Global Exploration},
author = {Alan Kuntz and Chris Bowen and Ron Alterovitz},
journal= {arXiv preprint arXiv:1607.06374},
year = {2016}
}
备注
8 pages, 4 figures