面向机器人运动规划应用的基于学习的代理碰撞检测
机器人学
2019-02-22 v1
摘要
本文证明，诸如机器人运动规划等计算密集于碰撞检测的应用，可通过用机器学习模型执行碰撞检测而加速。我们提出 Fastron，一种基于学习的算法，用于对机器人的构型空间建模，以作为标准几何碰撞检测器的代理碰撞检测器。我们证明，利用该代理碰撞检测器在机器人仿真与规划中比最先进的碰撞检测库快多达一个数量级。我们的结果表明，Fastron 学习模型比一种竞争的 C 空间建模方法快 100 倍以上，同时还提供学习收敛的理论保证。使用 OMPL 运动规划库，我们能够在所有具有不同机器人与环境复杂度的实验中生成初始运动规划。借助 Fastron，我们能以 56 Hz 的速率重复地从零开始规划，展示了其在与人控机械臂共享环境中的自主手术辅助任务中的应用。所有性能提升均仅使用基于 CPU 的计算实现，表明采用可并行化张量代数的 GPU 方案可进一步获得计算增益。代码已在线提供。
引用
@article{arxiv.1902.08164,
title = {Learning-Based Proxy Collision Detection for Robot Motion Planning Applications},
author = {Nikhil Das and Michael Yip},
journal= {arXiv preprint arXiv:1902.08164},
year = {2019}
}