[论文解读] Collision Free Motion Planning on Graphs

Michael Färber|ArXiv.org|Jun 18, 2004

Robotic Path Planning Algorithms参考文献 11被引用 12

一句话总结

该论文证明了在树状图 Γ 上对 n 个不同粒子进行运动规划的拓扑复杂度为 2m(Γ)+1，其中 m(Γ) 是关键顶点的数量，且当 n 较大时该值与 n 无关。作者提出了一种显式的无碰撞运动规划算法，并证明了实现此类算法所需的最小连续区域数等于仅由树的结构决定的拓扑不变量 TC(F(Γ,n))，而与粒子数量无关。

ABSTRACT

A topological theory initiated recently by the author uses methods of algebraic topology to estimate numerically the character of instabilities arising in motion planning algorithms. The present paper studies random motion planning algorithms and reveals how the topology of the robot's configuration space influences their structure. We prove that the topological complexity of motion planning TC(X) coincides with the minimal n such that there exists an n-valued random motion planning algorithm for the system; here $X$ denotes the configuration space. We study in detail the problem of collision free motion of several objects on a graph G. We describe an explicit motion planning algorithm for this problem. We prove that if G is a tree and if the number of objects is large enough, then the topological complexity of this motion planning problem equals 2m(G)+1 where m(G) is the number of the essential vertices of G. It turns out (in contrast with the results on the collision free control of many objects in space obtained earlier jointly with S. Yuzvinsky) that the topological complexity is independent of the number of particles.

研究动机与目标

• 确定在图上存在多个移动物体的系统中，实现无碰撞运动规划算法所需的最小连续区域数。
• 建立一个拓扑不变量 TC(X)，用以界定基于配置空间 X 的运动规划算法的不稳定性与不连续性。
• 分析树 Γ 上 n 个不同粒子的配置空间 F(Γ,n)，并推导其拓扑复杂度。
• 证明当 n 较大时，拓扑复杂度仅取决于树的关键顶点，而与粒子数量无关。
• 为图上多目标控制提供一种显式且实用的运动规划算法，其拓扑复杂度达到最小。

提出的方法

• 使用拓扑不变量 TC(X)，定义为在配置空间 X 上实现运动规划算法所需的最小连续区域数。
• 应用代数拓扑工具，特别是上同调上积，通过零除子类推导 TC(F(Γ,n)) 的下界。
• 通过从 F(Γ,2) 沿映射 Φ_i 和 Ψ_i 投影 n 个粒子构型到成对配置，构造 F(Γ,n) 上的特定上同调类 v_i 和 w_i。
• 利用引理 13 证明：若某些上积线性无关且两两相消，则 TC(X) ≥ 2m+1。
• 在第 8 节中开发了一种显式运动规划算法，当 Γ 为树时，该算法实现了 F(Γ,n) 的最小拓扑复杂度。
• 利用 F(Γ,2) 同伦等价于圆的楔和的性质，定义可检测树的关键顶点的上同调类。

实验结果

研究问题

• RQ1 在树 Γ 上对 n 个粒子进行无碰撞运动规划，所需的最小连续区域数是多少？
• RQ2 拓扑复杂度 TC(F(Γ,n)) 如何依赖于粒子数 n 和树 Γ 的结构？
• RQ3 多粒子在图上的运动规划拓扑复杂度是否可能与粒子数量无关？
• RQ4 拓扑不变量 TC(X) 与 n 元随机运动规划算法的存在性之间有何关系？
• RQ5 如零除子的上积等上同调不变量如何决定 TC(X) 的下界？

主要发现

• 在树 Γ 上对 n 个不同粒子进行运动规划的拓扑复杂度为 TC(F(Γ,n)) = 2m(Γ) + 1，其中 m(Γ) 是关键顶点的数量。
• 当 n 较大时，拓扑复杂度与 n 无关，仅取决于树的结构，特别是关键顶点的数量。
• 任何针对 F(Γ,n) 的运动规划算法所需的最小连续区域数等于 TC(F(Γ,n))，且该值由第 8 节中的显式算法实现。
• 引理 13 中的上同调条件——上积线性无关且两两相消——意味着 TC(X) ≥ 2m+1。
• 配置空间 F(Γ,2) 同伦等价于圆的楔和，从而可构造出能检测树的关键顶点的上同调类。
• 与 R² 或 R³ 中的运动规划（此时 TC(F(R²,n)) = 2n−2）相比，树上的复杂度在 n 上为常数，表明在 1D 网络中存在显著简化。