显式广义二项图中的近最优边评估
机器人学
2017-06-29 v1
摘要
机器人运动规划问题，例如无人机在部分已知环境中快速飞行或机械臂在杂乱物体周围移动，需要快速找到无碰撞路径。通常，这通过构建图来解决，其中顶点表示机器人构型，边表示这些构型之间机器人潜在的有效运动。主要计算瓶颈是昂贵的边评估以检查碰撞。最先进的规划方法不考虑为了快速找到无碰撞路径而评估边的最优顺序。在本文中，我们通过建立运动规划与决策区域确定（DRD）的贝叶斯主动学习范式之间的新颖等价关系来做到这一点。不幸的是，直接应用现有方法需要计算量随图中边的数量呈指数增长。我们提出了BISECT，一种高效且近最优的算法，用于解决边为独立伯努利随机变量时的DRD问题。通过利用这一性质，我们能够将计算复杂度从指数级显著降低到线性级。我们展示了BISECT在移动机器人、机械臂以及从全尺寸直升机收集的真实飞行数据的一系列规划问题上优于几种最先进的算法。
引用
@article{arxiv.1706.09351,
title = {Near-Optimal Edge Evaluation in Explicit Generalized Binomial Graphs},
author = {Sanjiban Choudhury and Shervin Javdani and Siddhartha Srinivasa and Sebastian Scherer},
journal= {arXiv preprint arXiv:1706.09351},
year = {2017}
}