Core Concepts
制御障壁関数誘導ニューラルコントローラを用いることで、サンプリングベースの運動計画アルゴリズムの効率と安全性を大幅に向上させることができる。
Abstract
本研究では、制御障壁関数誘導ニューラルコントローラ(CBF-INC)を提案し、サンプリングベースの運動計画アルゴリズムRRTに統合することで、高次元マニピュレータの効率的かつ安全な運動計画を実現している。
具体的には以下の通り:
CBF-INCは、状態ベースの入力と点群ベースの入力の2つのバリエーションを持つ。状態ベースの入力では、ロボットと障害物の最小符号付き距離を使用し、点群ベースの入力では、LiDARセンサから取得した点群を使用する。
CBF-INCは、安全性と目標到達性のバランスを取ることができ、手動設計されたCBFよりも過度に保守的ではない。
CBF-INC-RRTは、バニラRRTと比較して、成功率を14%向上させ、探索ノード数を30%削減することができる。
点群ベースの設定では、バニラRRTやCBFなどの手動設計手法が適用できない環境でも、CBF-INC-RRTは10%の成功率向上を示す。
本研究の成果は、高次元マニピュレータの安全かつ効率的な運動計画に大きく貢献するものと期待される。
Stats
マニピュレータの状態(q)と環境の観測(o)を入力とし、制御障壁関数の値(h)を出力するニューラルネットワークを学習している。
学習時のデータセットには、安全な状態(Xs)と衝突状態(Xu)が含まれている。
Quotes
"CBF-INCは、安全性と目標到達性のバランスを取ることができ、手動設計されたCBFよりも過度に保守的ではない。"
"CBF-INC-RRTは、バニラRRTと比較して、成功率を14%向上させ、探索ノード数を30%削減することができる。"