論文の概要: Search-Based Path Planning among Movable Obstacles

• arxiv url: http://arxiv.org/abs/2410.18333v1
• Date: Thu, 24 Oct 2024 00:02:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 16:43:37.351461
• Title: Search-Based Path Planning among Movable Obstacles
• Title（参考訳）: 移動可能な障害物間の探索経路計画
• Authors: Zhongqiang Ren, Bunyod Suvonov, Guofei Chen, Botao He, Yijie Liao, Cornelia Fermuller, Ji Zhang,
• Abstract要約: 本稿では,2つのPAMOの定式化について述べる。 完全性と解の最適性を保証する検索手法であるPAMO*を開発し,その2つの問題を解決する。 次に、PAMO* をハイブリッド状態 PAMO* に拡張し、ロボットとオブジェクト間の高忠実な相互作用を持つ連続空間で計画する。
• 参考スコア（独自算出の注目度）: 8.023424148846265
• License:
• Abstract: This paper investigates Path planning Among Movable Obstacles (PAMO), which seeks a minimum cost collision-free path among static obstacles from start to goal while allowing the robot to push away movable obstacles (i.e., objects) along its path when needed. To develop planners that are complete and optimal for PAMO, the planner has to search a giant state space involving both the location of the robot as well as the locations of the objects, which grows exponentially with respect to the number of objects. The main idea in this paper is that, only a small fraction of this giant state space needs to be explored during planning as guided by a heuristic, and most of the objects far away from the robot are intact, which thus leads to runtime efficient algorithms. Based on this idea, this paper introduces two PAMO formulations, i.e., bi-objective and resource constrained problems in an occupancy grid, and develops PAMO*, a search method with completeness and solution optimality guarantees, to solve the two problems. We then further extend PAMO* to hybrid-state PAMO* to plan in continuous spaces with high-fidelity interaction between the robot and the objects. Our results show that, PAMO* can often find optimal solutions within a second in cluttered environments with up to 400 objects.
• Abstract（参考訳）: 本稿では,移動可能な障害物間の経路計画(PAMO)について検討し,移動可能な障害物(物体)を必要なときにロボットが移動可能な障害物(物体)を移動させながら,静止障害物間の最小コストの衝突経路を求める。 PAMOに最適なプランナーを開発するには、ロボットの位置と物体の位置の両方を含む巨大な状態空間を探索する必要がある。 この論文の主な考え方は、この巨大な状態空間のごく一部しかヒューリスティックに導かれるように計画中に探索する必要がなく、ロボットから遠く離れたほとんどの物体は無傷であり、それによって実行時効率のよいアルゴリズムが導かれるということである。 本稿では,2つのPAMOの定式化,すなわち,占有グリッドにおける二目的・資源制約問題を導入し,完全性と解の最適性を保証する探索手法であるPAMO*を開発し,その2つの問題を解決する。 さらにPAMO*をハイブリッド状態PAMO*に拡張し、ロボットとオブジェクト間の高忠実な相互作用を持つ連続空間で計画する。 その結果, PAMO* は最大 400 個のオブジェクトを持つ乱雑な環境において, 1 秒以内に最適解を見つけることができることがわかった。

関連論文リスト

• Multi-Agent Path Finding with Real Robot Dynamics and Interdependent Tasks for Automated Warehouses [1.2810395420131764]
  MAPF(Multi-Agent Path Finding)は、自動倉庫や工場にロボットを配置する際の重要な最適化問題である。 ロボットの群れが各注文の商品を棚からワークステーションに届ける倉庫において、オンラインでの注文配達の現実的な問題を考える。 これにより、相互依存型ピックアップおよびデリバリタスクのストリームが生成され、関連するMAPF問題は、現実的な衝突のないロボット軌道の計算によって構成される。
  論文  参考訳（メタデータ） (2024-08-26T15:13:38Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• LLM-A*: Large Language Model Enhanced Incremental Heuristic Search on Path Planning [91.95362946266577]
  経路計画はロボット工学と自律航法における基本的な科学的問題である。 A*やその変種のような伝統的なアルゴリズムは、パスの妥当性を保証することができるが、状態空間が大きくなるにつれて、計算とメモリの非効率が著しく低下する。 本稿では, A* の正確なパスフィニング能力と LLM のグローバルな推論能力とを相乗的に組み合わせた LLM ベースの経路計画法を提案する。 このハイブリッドアプローチは、特に大規模シナリオにおいて、パス妥当性の完全性を維持しながら、時間と空間の複雑さの観点からパスフィニング効率を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-06-20T01:24:30Z)
• Language-Conditioned Path Planning [68.13248140217222]
  LACO(Language-Conditioned Collision Functions)は、単一ビューイメージ、言語プロンプト、ロボット構成のみを使用して衝突関数を学習する。 LACOはロボットと環境の衝突を予測し、オブジェクトアノテーション、ポイントクラウドデータ、地平線オブジェクトメッシュを必要とせずに、柔軟な条件付きパス計画を可能にする。 シミュレーションと実世界の両方において、LACOは衝突を禁止せず、衝突の安全な物体との相互作用を可能にする複雑な、ニュアンスのある経路計画を促進することを実証している。
  論文  参考訳（メタデータ） (2023-08-31T17:56:13Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• 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)
• Environment-aware Interactive Movement Primitives for Object Reaching in Clutter [4.5459332718995205]
  本稿では,制約付き多目的最適化フレームワーク(OptI-ProMP)を提案する。 OptI-ProMPの特徴は、ターゲット地区の静的、動的、およびプッシュ可能なオブジェクトの両方に関連するコストであり、問題の初期化には確率的プリミティブに依存している。 文献からのProMPベースのプランナとOptI-ProMPを,低(3-dofs),高(7-dofs)デキスタリティロボット体でシミュレーションした。
  論文  参考訳（メタデータ） (2022-10-28T15:03:23Z)
• Scalable Multi-robot Motion Planning for Congested Environments With Topological Guidance [2.846144602096543]
  マルチロボットモーションプランニング(MRMP)は、連続状態空間におけるロボットの衝突のない経路を見つける問題である。 我々は、トポロジカルガイダンスによって提供される改善された効率を活用するために、既存のシングルロボットモーションプランニング手法を拡張した。 提案手法は,多くの狭い経路を持つ複雑な環境における経路を効率的に計画する能力を示し,既存の方法の最大25倍の大きさのロボットチームに拡張する。
  論文  参考訳（メタデータ） (2022-10-13T16:26:01Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)

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。