SLAP：基于信念空间动态重规划的物理移动机器人不确定下同时定位与规划（扩展版）
机器人学
2018-05-15 v3 系统与控制
摘要
同时定位与规划（SLAP）是自主机器人在不确定性环境下运行的关键能力。在其最一般的形式下，SLAP 会引发一个连续 POMDP（部分可观测马尔可夫决策过程），需要在线反复求解。本文针对此问题，提出了一种信念空间中的动态重规划方案。其底层在状态、动作和观测空间上连续的 POMDP 通过基于采样的方法离线近似，但在线运行于重规划循环中，以允许对粗糙的离线策略进行局部改进。这一结构使得所提方法能够应对变化的环境和大的定位误差，即使该改变改变了最优轨迹的同伦类。通过消除不必要的稳定步骤，它进一步超越了最先进的 FIRM（基于反馈的信息路线图）方法。将信念空间规划应用于物理系统会带来大量挑战。本文的一个关键重点是在物理机器人上实现所提规划器，并展示在不确定性、变化环境以及存在大干扰（例如机器人被绑架情况）下的 SLAP 解性能。
引用
@article{arxiv.1510.07380,
title = {SLAP: Simultaneous Localization and Planning Under Uncertainty for Physical Mobile Robots via Dynamic Replanning in Belief Space: Extended version},
author = {Ali-akbar Agha-mohammadi and Saurav Agarwal and Sung-Kyun Kim and Suman Chakravorty and Nancy M. Amato},
journal= {arXiv preprint arXiv:1510.07380},
year = {2018}
}
备注
20 pages, updated figures, extended theory and simulation results