Core Concepts
PPNetは、経路空間の分割と経路点の生成という2つの部分問題を順に解くことで、エンドツーエンドの近最適経路計画を実現する。
Abstract
本論文では、効率的な経路計画を実現するためのPPNetと呼ばれる2段階のニューラルネットワークを提案している。
まず、経路計画問題を2つの部分問題に分割する。1つ目は経路空間の分割で、クリアランス要件を満たす経路空間を特定する。2つ目は経路点の生成で、分割された経路空間の形状に基づいて経路点を生成する。
PPNetは、これら2つの部分問題をそれぞれ解くための2段階のモデルで構成される。1段階目のSpaceSegNetは経路空間を分割し、2段階目のWaypointGenNetは経路点を生成する。
さらに、PPNetの性能向上のために、EDaGe-PPと呼ばれる効率的なデータ生成手法を提案している。EDaGe-PPは、解析的な表現を持つ連続曲率の経路を生成し、クリアランス要件も満たすことができる。
実験の結果、PPNetは従来の経路計画手法と比べて、計算時間が大幅に短く(15.3ms)、近最適な解を見つけられることが示された。また、EDaGe-PPを用いることで、データ生成時間が大幅に短縮され(1/33)、PPNetの成功率も2倍に向上した。
Stats
PPNetの解の計算時間は15.3ms
PPNetの解のコストは31.49
RRT*の解のコストは30.69(15.002s)、30.41(30.001s)、30.48(60.004s)
Quotes
"PPNetは、経路空間の分割と経路点の生成という2つの部分問題を順に解くことで、エンドツーエンドの近最適経路計画を実現する。"
"EDaGe-PPは、解析的な表現を持つ連続曲率の経路を生成し、クリアランス要件も満たすことができる。"