基于学习的通过 cGAN 在潜空间上按任意优化准则进行无碰撞规划
机器人学
2023-02-07 v4
摘要
我们提出了一种使用条件生成对抗网络（cGANs）进行无碰撞规划的新方法，该方法在机器人的关节空间与仅捕获关节空间内无碰撞区域的潜空间之间进行转换，并以障碍物地图为条件。在诸如机械臂操控等应用中，生成多条合理轨迹十分便利，因为这样能够选择避免与机器人或周围环境发生碰撞的轨迹。在所提方法中，可通过在该生成的潜空间内用任意线段连接起始与目标状态，来生成多种避障轨迹。我们的方法提供了这一无碰撞潜空间，之后任何规划器均可使用任意优化条件实时生成最合适的路径。我们在一台仿真的及实际的 UR5e 6-DoF 机械臂上成功验证了该方法。我们确认可根据优化条件生成不同的轨迹。
引用
@article{arxiv.2202.13062,
title = {Learning-based Collision-free Planning on Arbitrary Optimization Criteria in the Latent Space through cGANs},
author = {Tomoki Ando and Hiroto Iino and Hiroki Mori and Ryota Torishima and Kuniyuki Takahashi and Shoichiro Yamaguchi and Daisuke Okanohara and Tetsuya Ogata},
journal= {arXiv preprint arXiv:2202.13062},
year = {2023}
}
备注
19 pages, 7 figures. An accompanying video is available at https://www.youtube.com/watch?v=IJUxdmaSwy0. arXiv admin note: text overlap with arXiv:2202.07203