Stein 变分概率路线图
机器人学
2022-05-24 v2
摘要
高效可靠的全局路径规划生成是自主系统安全执行与部署的必要条件。为了生成能够充分解析给定环境拓扑的规划图，许多基于采样的运动规划器采用粗糙的、启发式驱动的策略，这些策略往往无法泛化到新的和多变的环境中。此外，许多此类方法并非为应对部分可观测性而设计。我们断言，环境几何中的这种不确定性实际上可以驱动采样过程，从而生成可行且概率安全的规划图。我们提出了一种概率路线图方法，该方法依赖基于粒子的变分推断来有效覆盖位形空间中可行区域的后验分布。我们的方法，即 Stein 变分概率路线图（SV-PRM），实现了样本高效的规划图生成，并相较于传统采样方法取得了巨大改进。我们在多种具有挑战性的规划问题上展示了该方法，包括真实世界的概率占据地图以及机器人学中常见的高自由度操作问题。
关键词
引用
@article{arxiv.2111.02972,
title = {Stein Variational Probabilistic Roadmaps},
author = {Alexander Lambert and Brian Hou and Rosario Scalise and Siddhartha S. Srinivasa and Byron Boots},
journal= {arXiv preprint arXiv:2111.02972},
year = {2022}
}
备注
Pre-print