状态-代价空间中渐近最优运动动力学规划的精细化分析
机器人学
2020-03-10 v3
摘要
我们提出了对 AO-RRT 的新分析：一种基于树的、带运动动力学约束的运动规划器，最初由 Hauser 和 Zhou（AO-X，2016）描述。AO-RRT 探索状态-代价空间，并已被证明能在不依赖计算密集的两点边值求解器可用性的情况下，在实践中高效获得高质量解。我们的主要贡献是单树版本算法的 optimality 证明——该变体此前未被分析过。我们的证明仅需要对问题及系统温和且易验证的一组假设：代价函数与动力学的 Lipschitz 连续性。特别地，我们证明对于任何满足这些假设的系统，任何具有分段常数控制函数且与障碍物有正间隙的轨迹，都可以被 AO-RRT 找到的轨迹任意好地逼近。我们还讨论了 AO-RRT 的实际方面并给出了算法各变体的实验比较。
引用
@article{arxiv.1909.05569,
title = {Refined Analysis of Asymptotically-Optimal Kinodynamic Planning in the State-Cost Space},
author = {Michal Kleinbort and Edgar Granados and Kiril Solovey and Riccardo Bonalli and Kostas E. Bekris and Dan Halperin},
journal= {arXiv preprint arXiv:1909.05569},
year = {2020}
}