본 논문은 고차원 연속 상태 공간에서 효율적인 샘플링 기반 모션 계획 알고리즘을 제안한다. 기존의 RRT* 알고리즘은 무작위 샘플링을 통해 문제 영역을 탐색하고 점진적으로 최적의 솔루션을 찾지만, 샘플링 효율이 낮고 수렴 속도가 느리다는 한계가 있다.
이를 해결하기 위해 본 논문은 다음과 같은 기법을 제안한다:
탐욕적 정보 집합(Greedy Informed Set): 현재 솔루션 경로의 휴리스틱 정보를 활용하여 더 작은 탐색 영역을 정의함으로써 샘플링 효율을 높인다.
양방향 탐색: 시작점과 목표점에서 각각 트리를 성장시켜 초기 솔루션 발견 시간을 단축한다.
Greedy RRT*(G-RRT*) 알고리즘: 위의 두 기법을 RRT* 알고리즘에 통합하여 고차원 문제에서 빠른 초기 솔루션 발견과 빠른 수렴 속도를 달성한다.
실험 결과, G-RRT* 알고리즘은 기존 RRT* 변형 알고리즘에 비해 특히 고차원 문제에서 우수한 성능을 보였다.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Phone Thiha ... ที่ arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03411.pdfสอบถามเพิ่มเติม