Strobe：基于并发交错子周期 pods 加速优化机器人路径的元算法
机器人学
2021-06-02 v1
摘要
本文提出一种旨在加速许多现有路径优化算法的元算法。我们工作的核心思想是策略性地将路点路径拆分为称为“pods”的连续分组，然后利用并行处理对各种pods并发优化。每个pod被赋予一种颜色，蓝色或红色，路径的划分使得同色相邻pods之间具有适当缓冲的相反颜色，从而降低并发计算间干扰的风险。我们提出一种路径拆分算法来创建蓝色和红色pod分组，并详述了该元算法在这些pods上并行优化的步骤。我们在由各类优化任务构成的模拟路径优化场景测试平台上评估了方法效果，并刻画了其在增加线程时的扩展特性。我们还将这些任务上的元算法与其他并行化方案进行比较。结果表明，无论在速度还是优化质量方面，与替代方案相比，我们的方法都更有效地利用了并发性。
引用
@article{arxiv.2106.00153,
title = {Strobe: An Acceleration Meta-algorithm for Optimizing Robot Paths using Concurrent Interleaved Sub-Epoch Pods},
author = {Daniel Rakita and Bilge Mutlu and Michael Gleicher},
journal= {arXiv preprint arXiv:2106.00153},
year = {2021}
}