探索与否：部分已知环境中基于后悔的 LTL 规划
系统与控制
2024-01-18 v3 机器人学
系统与控制
摘要
在本文中，我们研究由共安全线性时序逻辑（LTL）公式描述的高层规范下的最优机器人路径规划问题。我们考虑工作空间地图几何部分已知的场景。具体而言，我们假设存在一些未知区域，机器人事先不知道它们的后继区域，除非其物理上到达这些区域。与优化最坏情况成本的标准基于博弈的方法不同，本文提出使用后悔作为此类部分已知环境中规划的新度量。在固定但未知环境下某规划的后悔值，是实际产生成本与机器人若事后知晓实际环境本可达成的最佳响应成本之间的差值。我们提供了一种有效算法，用于寻找满足 LTL 规范同时最小化其后悔值的最优规划。给出了一个关于消防机器人的案例研究以阐明所提框架。我们认为该新度量更适用于部分已知环境场景，因为它刻画了实际花费成本与探索未知区域可能获得的潜在收益之间的权衡。
引用
@article{arxiv.2204.00268,
title = {To Explore or Not to Explore: Regret-Based LTL Planning in Partially-Known Environments},
author = {Jianing Zhao and Keyi Zhu and Mingyang Feng and Xiang Yin},
journal= {arXiv preprint arXiv:2204.00268},
year = {2024}
}