PKE-RRT：由多任务学习模型驱动的高效多目标路径寻找算法
机器人学
2023-12-25 v2
摘要
多目标路径寻找（MGPF）旨在找到一条封闭且无碰撞的路径，按顺序访问一系列目标。作为一个物理旅行商问题，具有精确权重的无向完全图对于确定访问顺序至关重要。缺乏顶点间局部路径的先验知识，对满足算法的最优性与效率要求提出了挑战。本研究设计了一个名为先验知识提取（PKE）的多任务学习模型，用于估计成对顶点间的局部路径长度作为图的权重。同时，预测一个有希望的区域和一条引导线作为路径寻找过程的启发式信息。利用PKE模型的输出，提出了一种快速扩展随机树（RRT）的变体，称为PKE-RRT。它通过结合由完全图获得的优先访问顺序的局部规划器，有效解决MGPF问题。此外，预测的区域和引导线促进了树结构的高效探索，使算法能快速提供次优解。大量数值实验证明了PKE-RRT在具有不同目标数量的MGPF问题上，在计算时间、路径代价、采样数和成功率方面的出色性能。
引用
@article{arxiv.2308.07972,
title = {PKE-RRT: Efficient Multi-Goal Path Finding Algorithm Driven by Multi-Task Learning Model},
author = {Yuan Huang},
journal= {arXiv preprint arXiv:2308.07972},
year = {2023}
}
备注
8 pages, 12 figures