Core Concepts
신경 기반 정보 RRT*는 학습 기반 경로 계획을 통해 최적 경로 계획을 가속화하고 경로 안내 상태 추론에 포인트 기반 네트워크를 통합하는 방법을 제시합니다.
Abstract
RRT*은 경로 계획 문제를 해결하는 다양한 방법 중 하나입니다.
IRRT*은 현재 경로 비용에 의해 결정된 공간의 타원체 하위 집합에서 샘플링을 강제합니다.
Neural RRT는 이미지로 2D 계획 문제의 검색 공간을 표현하고 RRT를 안내하기 위해 U-Net을 사용합니다.
Neural Informed RRT*는 경로 안내 상태 추론을 위해 포인트 기반 네트워크를 통합하고 연결성 문제를 해결하기 위해 Neural Connect를 도입합니다.
실험 결과는 NIRRT가 다양한 크기, 중요 상태, 및 무작위 복잡한 패턴을 갖는 계획 문제에서 최적 솔루션으로 수렴 속도에서 RRT, IRRT*, 및 Neural RRT*를 능가한다는 것을 보여줍니다.
Stats
Informed RRT*은 현재 최적 경로 비용 ccurr에 따라 계획 도메인 Xfocus의 휴리스틱 타원체 하위 집합을 제안합니다.
PointNet++은 점 집합에서 가이던스 상태를 분류하기 위해 적용됩니다.
Neural Connect는 가이던스 상태 집합의 연결성을 향상시키기 위해 도입됩니다.
Quotes
"Neural Informed RRT는 최적 경로 계획을 가속화하기 위해 포인트 기반 네트워크를 Informed RRT에 통합합니다."
"Neural Focus는 포인트 클라우드를 통해 경로 안내 상태 추론을 개선하고 경로를 최적으로 이끌어내는 중요 영역에 초점을 맞춥니다."
"Neural Connect는 추론된 가이던스 상태 집합의 품질을 향상시키기 위해 연결성을 강화합니다."