拓展集成任务与运动规划中渐近最优性的边界
机器人学
2022-01-21 v4
摘要
集成任务与运动规划问题描述了一个多模态状态空间，该空间通常被抽象化为一组通过转移状态集连接的光滑流形。解决此类问题的一种方法是在每个流形中采样可达状态，同时采样转移状态。先前的工作表明，为了获得此类分段光滑任务规划问题的渐近最优 (AO) 解，将基于 AO 采样的运动规划所需的连接半径加倍即可。这是在转移集本身是光滑的假设下证明的。当前工作建立在这一结果之上，并证明了使用与标准 AO 运动规划相同的连接半径即可。此外，当前工作研究了转移集是有效状态空间非光滑边界点的情况，这种情况在实践中经常出现，例如当夹爪抓取物体时。本文推广了运动和任务规划中通常假设的间隙概念，以包含此类单独的、可能非光滑的转移状态。结果表明，在这种广义机制下仍保持渐近最优性。
引用
@article{arxiv.1903.01006,
title = {Pushing the Boundaries of Asymptotic Optimality in Integrated Task and Motion Planning},
author = {Rahul Shome and Daniel Nakhimovich and Kostas E. Bekris},
journal= {arXiv preprint arXiv:1903.01006},
year = {2022}
}