核心概念
動的環境における効率的な運動計画のために、レイジー検索フレームワークとライフロング計画フレームワークを統合したアルゴリズムを提案する。このアルゴリズムは、エッジ評価コストを最小限に抑えつつ、解の最適性を保証する。
要約
本論文では、動的環境における効率的な運動計画のために、レイジー検索フレームワークとライフロング計画フレームワークを統合したアルゴリズムLazy Lifelong Planning Tree*(LLPT*)を提案している。
LLPT*の主な特徴は以下の通りである:
問題領域をレイジーに評価されたエッジを持つランダム探索グラフ(RRG)で近似する。実際のエッジ評価は、解に含まれる可能性のあるエッジのみに制限される。
RRGが変更されたときに(例えば、エッジの実際のコストが評価されたり、RRGが改善された場合)、新しい情報を反映するためにサーチツリーを効率的に修正する新しい手法を提案している。
解の最適性を保証しつつ、エッジ評価コストを最小限に抑えることができる。
シミュレーション結果から、LLPT*は静的および動的な運動計画問題において、既存の最先端のサンプリングベースのプランナーよりも優れた性能を示すことが分かった。特に、動的環境での再計画の効率性が高いことが確認された。
統計
動的環境での初期計画時の平均エッジ評価数: 10
動的環境での1回目の再計画時の平均エッジ評価数: 10
動的環境での2回目の再計画時の平均エッジ評価数: 205
動的環境での3回目の再計画時の平均エッジ評価数: 562
動的環境での総計画時間: 64.0秒
引用
"LLPT*は、レイジー検索フレームワークとライフロング計画フレームワークを統合することで、エッジ評価コストを最小限に抑えつつ、解の最適性を保証する。"
"シミュレーション結果から、LLPT*は静的および動的な運動計画問題において、既存の最先端のサンプリングベースのプランナーよりも優れた性能を示すことが分かった。"