面向批量运动规划的神经碰撞间隙估计器
机器人学
2020-07-16 v2 机器学习
摘要
我们提出了一种神经网络碰撞检测启发式方法 ClearanceNet，以及一种规划算法 CN-RRT。ClearanceNet 学习预测相对于工作空间的分离距离（机器人与工作空间之间的最小距离）。CN-RRT 随后通过利用 ClearanceNet 的三个关键特性高效计算运动规划。首先，CN-RRT 通过同时扩展多个节点来探索空间，处理数千个碰撞检测的批次。其次，CN-RRT 针对更困难的问题自适应地放宽其间隙要求。第三，为修复错误，CN-RRT 沿 ClearanceNet 的梯度方向移动其节点，并用传统 RRT 修复任何残余错误，从而保持理论上的概率完备性保证。在自由度高达 30 的配置空间中，ClearanceNet 相比传统碰撞检测方法实现了 845 倍的加速，而 CN-RRT 相比基线将运动规划加速至多 42%，并找到效率高至多 36% 的路径。在杂乱环境中对 11 自由度机器人的实验证实了该方法在真实机器人上的可行性。
引用
@article{arxiv.1910.05917,
title = {Neural Collision Clearance Estimator for Batched Motion Planning},
author = {J. Chase Kew and Brian Ichter and Maryam Bandari and Tsang-Wei Edward Lee and Aleksandra Faust},
journal= {arXiv preprint arXiv:1910.05917},
year = {2020}
}