2015-A Review 《Efficient Configuration Space Construction and Optimization for Motion Planning》
来源:互联网 发布:csgo 淘宝版 编辑:程序博客网 时间:2024/06/01 11:27
2015年 发表在《Engineering》
运动规划的高效配置空间构建与优化
描述机器人的配置空间有两项重大挑战:
1.如何计算高维配置空间的近似表达
2.如何在高维配置空间内高效执行运动规划查询
作者基于机器学习和几何学近似技术,提出新的配置空间构建算法。还提出了基于GPU的算法。
在配置空间(C空间)内,可以将机器人绘制成一个点,从而运动规划问题分为两步
1)配置空间的表达
2)根据计算的表达进行优化操作
下图分别为配置空间和工作空间
基于C空间的运动规划流水线,主要面临两个问题
1)计算配置空间的近似表达比较困难
2)机器人需要实时规划,但是对配置空间的计算表达进行优化的耗时较长
本文作者提出将配置空间构建问题转化为机器学习问题,并提出了利用GPU来加速配置空间内的优化计算
C空间分为无碰撞空间Cfree和碰撞空间Cobs,Cobs是闭集,Ccont表示其边界
前人对配置空间的构建主要分为两种方法:几何学和拓扑学
几何学方法计算比较复杂
拓扑学方法在窄通道应用不太理想
运动规划问题可呈现为C空间内的优化约束问题
应满足如下约束条件:
1)轨迹应在Cfree内
2)轨迹应切实可行
目前基于C空间,
以优化为基础的运动规划算法有CHOMP、TrajOPT等等
以搜索为基础的算法有Anytime A*
对于高自由度机器人,大多数以随机算法为基础,如PRM和RRT
使用机器学习方法表达配置空间,首先在配置空间内生成样本,然后使用这些样本来估算接触空间Ccont。其方法便是对表面进行分离,表面能分离有碰撞和无碰撞的样本,使用SVM分类法来计算分离表面。
离线学习算法,如下图
本文选择PRM算法作为并行规划的基本方法,因为PRM最适合利用GPU的多核与数据并行。
总结:
利用机器学习分类器,对配置空间取样,并估算接触空间。
其中,使用主动学习技术选择样本。
最后,在GPU上进行规划。
0 0
- 2015-A Review 《Efficient Configuration Space Construction and Optimization for Motion Planning》
- [翻译]Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuou
- Writing-Efficient-C-and-C-Code-Optimization
- Guerrilla Capacity Planning: A Tactical Approach to Planning for Highly Scalable Applications and Se
- Human Motion Analysis: A Review理解
- 2015-《HG-RRT∗: Human-Guided Optimal Random Trees for Motion Planning》
- Efficient Route Planning on Public Transportation Networks: A Labelling Approach
- WCDMA (UMTS) Deployment Handbook: Planning and Optimization Aspects
- Robotis Motion Planning
- EFFICIENT METHODS AND HARDWARE FOR DEEP LEARNING
- OFFICER: A general optimization framework for OpenFlow rule allocation and endpoint policy enforceme
- Evolutionary Computation for Modeling and Optimization
- Performance and Optimization For Mecanim[Unity]
- phpmyadmin (Invalid hostname for server 1. Please review your configuration)
- 《Combined Task and Motion Planning Through an Extensible Planner-Independent Interface Layer》
- A General Framework for Motion Segmentation 中文版
- A Fuzzy Background Modeling Approach for Motion
- Representive learning: A review and New respective
- 渗透测试 3 基本扩展
- Java 基础 (七) 反射机制
- c++第一次上机:求两点之间的距离
- Angular2组件与指令的小实践——实现一个图片轮播组件
- java反射详解
- 2015-A Review 《Efficient Configuration Space Construction and Optimization for Motion Planning》
- hibernate正向生成数据库表以及配置——Student.hbm.xml
- 夜间模式的实现
- 2017-02-27-深度学习论文笔记:R-FCN
- Java中static变量作用和用法详解
- 1
- 蓝桥杯 历届考题 打印十字图 java编写
- 23种设计模式 慢慢来 自我理解
- 渗透测试 2【综合扫描分析】