Probabilistische Roadmap

Das Probabilistische Roadmap[1] Planer ist a Bewegungsplanung Algorithmus in der Robotik, das das Problem der Bestimmung eines Pfades zwischen einer Startkonfiguration des Roboters und einer Zielkonfiguration bei der Vermeidung von Kollisionen löst.

Ein Beispiel für einen probabilistischen Zufallskartenalgorithmus, der realisierbare Wege um eine Reihe von polygonalen Hindernissen untersucht.

Die Grundidee hinter PRM besteht darin, zufällige Stichproben aus dem zu entnommen Konfigurationsraum Testen Sie vom Roboter, ob sie sich im freien Bereich befinden, und verwenden Sie einen lokalen Planer, um diese Konfigurationen mit anderen nahe gelegenen Konfigurationen zu verbinden. Die Start- und Zielkonfigurationen werden hinzugefügt und a Graph -Suchalgorithmus wird auf das resultierende angewendet Graph um einen Pfad zwischen den Start- und Zielkonfigurationen zu bestimmen.

Der probabilistische Roadmap -Planer besteht aus zwei Phasen: einer Konstruktion und einer Abfragephase. In der Bauphase wird eine Roadmap (Diagramm) gebaut, die den Bewegungen annähert, die in der Umgebung erfolgen können. Zunächst wird eine zufällige Konfiguration erstellt. Dann ist es mit einigen Nachbarn verbunden, normalerweise entweder mit entweder mit k Nächste Nachbarn oder alle Nachbarn weniger als ein vorgegebener Abstand. Konfigurationen und Verbindungen werden dem Diagramm hinzugefügt, bis die Roadmap dicht genug ist. In der Abfragephase werden die Start- und Zielkonfigurationen mit dem Diagramm verbunden, und der Pfad wird durch a erhalten Dijkstra kürzester Weg Anfrage.

Angesichts bestimmter relativ schwacher Bedingungen in der Form des freien Raums ist PRM nachweislich wahrscheinlich abgeschlossen, was bedeutet, dass die Anzahl der untersuchten Punkte ohne gebundene Punkte zunimmt, die Wahrscheinlichkeit, dass der Algorithmus keinen Pfad findet, wenn man existiert, Null nähert. Die Konvergenzrate hängt von bestimmten Sichtbarkeitseigenschaften des freien Raums ab, in dem die Sichtbarkeit vom örtlichen Planer bestimmt wird. Ungefähr, wenn jeder Punkt einen großen Teil des Raums "sehen" kann und auch wenn ein großer Teil jeder Teilmenge des Raums einen großen Teil seiner Komplement "sehen" kann, findet der Planer schnell einen Weg.

Die Erfindung der PRM -Methode wird zugeschrieben Lydia E. Kavraki.[2][3] Es gibt viele Varianten in der grundlegenden PRM -Methode, von denen einige ziemlich ausgefeilt sind, die die Stichprobenstrategie und die Verbindungsstrategie variieren, um eine schnellere Leistung zu erzielen. Siehe z. Geraerts & Overmars (2002)[4] für eine Diskussion.

Verweise

  1. ^ Kavraki, L. E.; SVESTKA, P.; Latombe, J.-C.; Overmars, M. H. (1996), "Probabilistische Roadmaps für die Pfadplanung in hochdimensionalen Konfigurationsräumen", IEEE -Transaktionen zu Robotik und Automatisierung, 12 (4): 566–580, doi:10.1109/70.508439, HDL:1874/17328.
  2. ^ Erbland, Kate (2013-10-14). "Dr. Lydia E. Kavraki: Eine Frau, die Roboter zum Arbeiten bringt". Geistige Zahnseide. Abgerufen 2019-10-07.{{}}: CS1 Wartung: URL-Status (Link)
  3. ^ "Lydia E. Kavraki ernannt 2017-2018 ACM Athena Dozent". www.acm.org. Abgerufen 2019-10-07.
  4. ^ Geraerts, R.; Overmars, M. H. (2002), "Eine vergleichende Studie von probabilistischen Roadmap -Planern", Proc. Workshop über die algorithmischen Grundlagen der Robotik (WAFR'02) (PDF), S. 43–57.