論文の概要: Motion planning in high dimensional spaces hybridizing RRT and HAR via position-direction decoupling
- arxiv url: http://arxiv.org/abs/2609.16810v1
- Date: Tue, 15 Sep 2026 08:17:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.402825
- Title: Motion planning in high dimensional spaces hybridizing RRT and HAR via position-direction decoupling
- Title（参考訳）: 位置方向デカップリングによるRRTとHARのハイブリッド化高次元空間における運動計画
- Abstract要約: 本研究では,高次元空間に対するサンプリングに基づく新しい経路計画法を提案する。
RRTとHARは、点と方向の延長に使用されるバイアスを結合する汎用アルゴリズムの特殊な場合として現れることを示す。
本稿では,複雑なマルチロボット計画問題の解法として提案する手法の1つであるHARFを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The exploration of high-dimensional spaces remains a challenging problem, in particular in the presence of narrow passages and small clearances. We propose novel sampling-based path-planning methods for high-dimensional spaces combining Rapidly-exploring Random Trees (RRT) and Hit-and-Run (HAR) random walks by decoupling the point being extended from the direction of extension. We also show that RRT and HAR appear as special cases of a generic algorithm coupling the biases used for the point and direction extension, respectively. We further study a sparse-move strategy in which only a fraction p_r of the robots is moved at each step, helping both RRT and the proposed HAR algorithms handle cluttered instances. Tests are presented for two families of models: classical piano mover problems in 3D, and complex molecular systems involving tens of rigid domains moving relatively to one another -- the latter viewed as independent robots exploring the motion space SE(3)N . Within seconds on a standard laptop, our algorithms solve instances with up to 64 robots and 384 degrees of freedom. We conclude by suggesting one of our methods, HARF, as the method of choice for complex multi-robot planning problems, being up to two orders of magnitude faster than the classical RRT moving all robots at each step--when it succeeds at all, and still up to 2.4 fold faster on most instances when both use their best p_r.
- Abstract（参考訳）: 高次元空間の探索は、特に狭い通路と小さなクリアランスの存在において、難しい問題である。
本研究では,RRT(Rapidly-Exploring Random Trees)とHAR(Hit-and-Run)のランダムウォークを組み合わせた高次元空間のサンプリングに基づく経路計画法を提案する。
また, RRT と HAR は, それぞれ点拡張に使用するバイアスと方向拡張に使用されるバイアスを結合する汎用アルゴリズムの特殊な場合として現れることを示す。
さらに,ロボットのごく一部p_rのみを各ステップで移動させるスパース移動戦略について検討し,RTRと提案したHARアルゴリズムが散在するインスタンスを処理できるようにする。
古典的なピアノムーブラー問題(3D)と、数十の剛体ドメインが相対的に移動する複雑な分子システム(後者は運動空間SE(3)Nを探索する独立したロボットと見なされる)である。
標準のラップトップでは数秒で、アルゴリズムは最大64台のロボットと384度の自由度でインスタンスを解決します。
提案手法の1つとして,複雑なマルチロボット計画問題の解法として,従来のRTRよりも最大2桁高速で,各ステップで全ロボットを移動させる方法を提案する。
関連論文リスト
- Search-Based Spatiotemporal and Multi-Robot Motion Planning on Graphs of Space-Time Convex Sets [4.512110686124693]
時空間凸集合(ST-GCS)のグラフに基づくアルゴリズムフレームワークを提案する。
マルチロボット動作計画では,ST-GCS計画とECDを優先計画手法に統合する。
大規模なデモのために提案されているマルチロボットモーションプランナーは、数分で最大100ドル(約1万1000円)のロボットのインスタンスを解決できる。
論文 参考訳（メタデータ） (2026-07-01T04:58:00Z) - TCBiRRT: Rapid Motion Planning for Tightly Coupled Dual-arm Space Manipulator Using Task-space Random Expansion [13.227911126048731]
閉鎖制約下での密結合型双腕空間マニピュレータの運動経路の計画は、基本的かつ困難な問題である。
本稿では,タスク空間制約付き双方向高速探索ランダムツリーアルゴリズムTCBiRRTを提案する。
論文 参考訳（メタデータ） (2026-05-26T15:24:07Z) - Many-RRT*: Robust Joint-Space Trajectory Planning for Serial Manipulators [1.157930969832493]
マニピュレータの関節空間における計画は、非可逆的な前方運動学による重要な課題を呈する。
Many-RRT* は RRT*-Connect の拡張であり、複数の目標を並行して計画している。
論文 参考訳（メタデータ） (2026-03-04T19:31:37Z) - Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。
離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。
本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
論文 参考訳（メタデータ） (2025-08-27T17:59:36Z) - A Hybrid Evolutionary Approach for Multi Robot Coordinated Planning at Intersections [0.0]
交差点での協調型マルチロボット運動計画は、道路、工場、倉庫における安全な移動の鍵となる。
本稿では,パラメトリック格子構造と離散的RRTを用いた新しい進化的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-12-02T03:40:04Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Accelerating Search-Based Planning for Multi-Robot Manipulation by Leveraging Online-Generated Experiences [20.879194337982803]
MAPF(Multi-Agent Path-Finding)アルゴリズムは、離散的な2Dドメインで保証され、厳密な保証を提供する。
本稿では,その反復的かつ漸進的な性質を活用して,競合に基づく探索アルゴリズムを高速化する手法を提案する。
論文 参考訳（メタデータ） (2024-03-29T20:31:07Z) - 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) - Searching a High-Performance Feature Extractor for Text Recognition
Network [92.12492627169108]
優れた特徴抽出器を持つための原理を探求し,ドメイン固有の検索空間を設計する。
空間は巨大で複雑な構造であるため、既存のNASアルゴリズムを適用することはできない。
本研究では,空間内を効率的に探索する2段階のアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-27T03:49:04Z) - 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) - Intelligent Trajectory Design for RIS-NOMA aided Multi-robot
Communications [59.34642007625687]
目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。
ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
論文 参考訳（メタデータ） (2022-05-03T17:14:47Z) - 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。