无最近邻的全连接信息树运动规划算法 FCIT*（近似最优）
机器人学
2025-09-18 v2
摘要
提高高自由度机器人运动规划算法的性能通常需要降低计算密集型操作的成本或频率。传统上，尤其是对于渐进最优采样基运动规划器，最昂贵的操作是局部运动验证和查询配置的最近邻。最近的进展显著降低了运动验证成本，通过单指令多数据（SIMD）并行性提高了满足性运动规划问题的求解时间。这些进展尚未应用于渐进最优运动规划。本文提出了全连接信息树（Fully Connected Informed Trees，FCIT*），这是第一个全连接、信息化、任意次数接近渐进最优（ASAO）的算法。FCIT* 利用 SIMD 并行性极大降低边缘评估成本来构建和搜索全连接图。这消除了采样-based 运动规划器中最常见的最近邻结构需求，使其在 MotionBenchMaker 数据集上比最先进的 ASAO（VAMP、OMPL）和满足性（OMPL）算法更快地找到初始解，同时以任意次数方式趋向于最优解。
引用
@article{arxiv.2411.17902,
title = {Nearest-Neighbourless Asymptotically Optimal Motion Planning with Fully Connected Informed Trees (FCIT*)},
author = {Tyler S. Wilson and Wil Thomason and Zachary Kingston and Lydia E. Kavraki and Jonathan D. Gammell},
journal= {arXiv preprint arXiv:2411.17902},
year = {2025}
}
备注
IEEE International Conference on Robotics and Automation (ICRA) 2025, 6 + 1 pages, 3 figures, 1 table. A video of FCIT* can be found at https://www.youtube.com/watch?v=Lb_5Znpcleg . Information on the implementation of FCIT* is available at https://robotic-esp.com/code/fcitstar/