更稀疏的稀疏路线图
机器人学
2016-10-26 v1
摘要
我们提出了一种离线生成稀疏路线图生成器（spanner）的方法，其生成的图比现有方法小 79%，同时返回同等路径质量的解。我们的方法采用混合采样策略，结合传统图离散化与随机采样。我们提出了针对基于关节的机器人规划中常用的 L1-norm 度量函数优化图的技术，故意根据空间几何选择 -拉伸因子，并移除不贡献图质量的冗余边。然后，高质量的预处理稀疏路线图可用于通过标准修复和重规划方法在多种不同规划场景中重用。离线预计算路线图带来更具确定性的解，通过提供复杂拒绝准则减少内存需求，并提高高维空间中的规划速度，从而允许解决更复杂的问题，如多模态任务规划。我们的方法通过针对 SPARS2 算法的模拟基准测试得到验证。源代码作为 OMPL 的开源扩展在线免费提供。
引用
@article{arxiv.1610.07671,
title = {Sparser Sparse Roadmaps},
author = {David Coleman and Nikolaus Correll},
journal= {arXiv preprint arXiv:1610.07671},
year = {2016}
}
备注
Submitted to The International Conference on Robotics and Automation (ICRA) 2017