本論文は、高次元連続状態空間における最適経路計画問題に取り組むための新しいサンプリングベースのアルゴリズムを提案する。
まず、従来のRRTアルゴリズムの課題を指摘する。RRTは高次元問題に対して効果的だが、サンプリング効率が低く収束速度が遅いという問題がある。そのため、様々な拡張版RRT*アルゴリズムが提案されてきた。
その中でInformed RRT*は、現在の解経路に基づいて有望な領域にのみサンプリングを行うことで収束速度を向上させた。しかし、初期解が蛇行している場合、この手法では不要な領域をサンプリングしてしまい、効率が低下する。
そこで本論文では、現在の解経路の最大ヒューリスティックコストに基づいて、より小さな有望領域(グリーディ情報集合)を定義する。これにより、初期解が蛇行していても効率的にサンプリングできる。
さらに、双方向探索の概念を取り入れることで、初期解発見時間も短縮できる。提案手法であるGreedy RRT*(G-RRT*)は、この2つのアイデアを組み合わせることで、高次元経路計画問題において高速な初期解発見と効率的な最適解収束を実現する。
実験結果から、G-RRT*は従来手法に比べて高次元問題でも優れた性能を示すことが確認された。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Phone Thiha ... at arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03411.pdfDeeper Inquiries