用于基于采样的运动学规划的状态监督转向函数
机器人学
2022-06-16 v1
摘要
RRT* 和 BIT* 等基于采样的运动规划器在应用于运动学运动规划时，依赖转向函数来生成连接采样状态的时间最优解。实现精确的转向函数要么需要对时间最优控制问题的解析解，要么需要非线性规划（NLP）求解器来求解给定系统运动学方程的边值问题。遗憾的是，许多现实领域的解析解不可用，且 NLP 求解器计算代价过高，因此快速且最优的运动学运动规划仍是一个开放问题。我们通过提出状态监督转向函数（S3F，State Supervised Steering Function）来解决该问题，这是一种学习时间最优转向函数的新方法。S3F 能够生成接近最优的转向函数解，速度比其 NLP 对应方法快数个数量级。在三个具有挑战性的机器人领域进行的实验表明，使用 S3F 的 RRT* 在解代价和运行时间上均显著优于最先进的规划方法。我们进一步给出了使用 S3F 改进的 RRT* 的概率完备性证明。
引用
@article{arxiv.2206.07227,
title = {State Supervised Steering Function for Sampling-based Kinodynamic Planning},
author = {Pranav Atreya and Joydeep Biswas},
journal= {arXiv preprint arXiv:2206.07227},
year = {2022}
}
备注
11 pages, 7 figures. In Proceedings of AAMAS 2022