論文の概要: Augmenting GRIPS with Heuristic Sampling for Planning Feasible Trajectories of a Car-Like Robot

• arxiv url: http://arxiv.org/abs/2108.06789v1
• Date: Sun, 15 Aug 2021 18:28:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-17 14:50:15.532799
• Title: Augmenting GRIPS with Heuristic Sampling for Planning Feasible Trajectories of a Car-Like Robot
• Title（参考訳）: 自動車ライクロボットの軌道計画のためのヒューリスティックサンプリングによるGRIPSの拡張
• Authors: Brian Angulo, Konstantin Yakovlev, Ivan Radionov
• Abstract要約: カーライクロボットにおけるGRIPSの成功率向上を目的とした,様々な改良点を紹介する。 主な強化点は、幾何学的パスのボトルネック部分に沿ってウェイポイントをサンプリングする追加のステップを追加することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kinodynamic motion planning for non-holomonic mobile robots is a challenging problem that is lacking a universal solution. One of the computationally efficient ways to solve it is to build a geometric path first and then transform this path into a kinematically feasible one. Gradient-informed Path Smoothing (GRIPS) is a recently introduced method for such transformation. GRIPS iteratively deforms the path and adds/deletes the waypoints while trying to connect each consecutive pair of them via the provided steering function that respects the kinematic constraints. The algorithm is relatively fast but, unfortunately, does not provide any guarantees that it will succeed. In practice, it often fails to produce feasible trajectories for car-like robots with large turning radius. In this work, we introduce a range of modifications that are aimed at increasing the success rate of GRIPS for car-like robots. The main enhancement is adding the additional step that heuristically samples waypoints along the bottleneck parts of the geometric paths (such as sharp turns). The results of the experimental evaluation provide a clear evidence that the success rate of the suggested algorithm is up to 40% higher compared to the original GRIPS and hits the bar of 90%, while its runtime is lower.
• Abstract（参考訳）: 非ホロモニックな移動ロボットの運動計画は、普遍的な解決法が欠如している難題である。 計算効率の良い解法の一つは、まず幾何学的経路を構築し、次にこの経路をキネマティックに実現可能な経路に変換することである。 Gradient-informed Path Smoothing (GRIPS) は近年導入された変換手法である。 GRIPSは経路を反復的に変形し、それらの連続するペアを、キネマティック制約を尊重する提供されたステアリング関数を介して接続し、ウェイポイントを追加/削除する。 アルゴリズムは比較的高速だが、残念ながら、成功する保証は提供していない。 実際には、回転半径が大きい車のようなロボットに対して実現可能な軌道を作るのに失敗することが多い。 本研究では,カーライクロボットにおけるGRIPSの成功率の向上を目的とした,様々な改良を行った。 主な強化は、幾何学的経路のボトルネック部分(シャープ・ターンなど)に沿って経路ポイントをヒューリスティックにサンプリングする追加ステップを追加することである。 実験評価の結果,提案アルゴリズムの成功率は,従来のグリップよりも最大40%高く,90%のバーに到達したのに対し,ランタイムは低いという明確な証拠が得られた。

関連論文リスト

• Finding Transformer Circuits with Edge Pruning [71.12127707678961]
  自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。 本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。 その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
  論文  参考訳（メタデータ） (2024-06-24T16:40:54Z)
• Waypoint-Based Imitation Learning for Robotic Manipulation [56.4287610994102]
  ウェイポイントラベリングは不特定であり、追加の人的監督が必要である。 模倣学習のためのAWE(Automatic Waypoint extract)を提案する。 AWEは、最先端のアルゴリズムの成功率を、シミュレーションで25%、実世界のバイマニュアル操作タスクで4-28%向上させることができる。
  論文  参考訳（メタデータ） (2023-07-26T17:45:55Z)
• POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
  パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。 我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
  論文  参考訳（メタデータ） (2023-07-16T19:44:27Z)
• Efficient Ground Vehicle Path Following in Game AI [77.34726150561087]
  本稿では,ゲームAIに適した地上車両の効率的な追従経路を提案する。 提案したパスフォロワは,一対一シューティングゲームにおいて,様々なテストシナリオを通じて評価される。 その結果,既存の経路と比較すると,立ち往生するイベントの総数が70%減少した。
  論文  参考訳（メタデータ） (2023-07-07T04:20:07Z)
• Search-Based Task and Motion Planning for Hybrid Systems: Agile Autonomous Vehicles [0.0]
  車両力学では、複雑な力学を予測的に考える必要がある。 多くの著者が回路を分割し、いくつかのセグメントでドリフトを使用する規則を考案した。 これはタスク・アンド・モーション・プランニング(TAMP)問題のクラスであり、リアルタイムに最適な解決が難しいことが知られている。 本稿では,この問題を効果的に解決し,高次元状態空間での探索を効率的に行う検索手法を提案する。
  論文  参考訳（メタデータ） (2023-01-25T02:18:40Z)
• Reducing Collision Checking for Sampling-Based Motion Planning Using Graph Neural Networks [10.698553177585973]
  本研究では,衝突チェックを減らし,動作計画の高速化を図るための新しい学習手法を提案する。 経路探索と経路平滑化を行うグラフニューラルネットワーク(GNN)を訓練する。 実験の結果,学習したコンポーネントは衝突チェックを著しく低減し,全体の計画効率を向上できることがわかった。
  論文  参考訳（メタデータ） (2022-10-17T09:02:04Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• Multi-Agent Path Planning based on MPC and DDPG [14.793341914236166]
  モデル予測制御(MPC)とDeep Deterministic Policy Gradient(DDPG)を組み合わせた新しいアルゴリズムを提案する。 ddpg with continuous action spaceは、ロボットに学習と自律的な意思決定機能を提供するように設計されている。 航空母艦デッキや四角形などの不確定な環境でのシミュレーション実験にunity 3dを用いる。
  論文  参考訳（メタデータ） (2021-02-26T02:57:13Z)
• Robust Quadrupedal Locomotion on Sloped Terrains: A Linear Policy Approach [3.752600874088677]
  私たちは、四足歩行ロボットStochに2ドル(約2万2000円)のリニアポリシーを使っています。 特に、エンドフット軌道のパラメータは、胴体方向と地形傾斜を入力として取る線形フィードバックポリシーによって形成される。 結果として生じる歩行は、地形の斜面の変動や外部のプッシュに対して堅牢である。
  論文  参考訳（メタデータ） (2020-10-30T16:02:08Z)
• AdamP: Slowing Down the Slowdown for Momentum Optimizers on Scale-invariant Weights [53.8489656709356]
  正規化技術は現代の深層学習の恩恵である。 しかし、運動量を導入することで、スケール不変の重みに対する効果的なステップサイズが急速に小さくなることがしばしば見過ごされる。 本稿では,この2つの材料の組み合わせが,有効ステップサイズと準最適モデル性能の早期劣化につながることを検証した。
  論文  参考訳（メタデータ） (2020-06-15T08:35:15Z)
• New Fusion Algorithm provides an alternative approach to Robotic Path planning [0.0]
  本稿では,カスタム2次元環境における経路計画問題の解法として,新しい,効率的な融合アルゴリズムを提案する。 新しい融合アルゴリズムは、スムーズな性能で実現可能であり、従来の経路計画のA*戦略に代わる、時間効率で安価な代替手段として満足できる。
  論文  参考訳（メタデータ） (2020-06-06T17:52:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。