[论文解读] Path Planning in Dynamic Environments with Adaptive Dimensionality

Anirudh Vemula, Katharina Mülling+1 more|ArXiv.org|May 22, 2016

Robotic Path Planning Algorithms被引用 6

一句话总结

本文提出了一种用于动态环境中路径规划的自适应维度假设方法，通过在无碰撞风险区域于三维状态空间（x, y, 方向）中进行规划，并仅在动态障碍物构成风险时激活时间维度，从而降低计算成本。该方法在保证完备性与次优性边界的前提下，相较于完整的四维启发式A*算法，实现了显著的速度提升——最快可达数倍加速，尤其在启发式方法具有误导性时表现更优。

ABSTRACT

Path planning in the presence of dynamic obstacles is a challenging problem due to the added time dimension in search space. In approaches that ignore the time dimension and treat dynamic obstacles as static, frequent re-planning is unavoidable as the obstacles move, and their solutions are generally sub-optimal and can be incomplete. To achieve both optimality and completeness, it is necessary to consider the time dimension during planning. The notion of adaptive dimensionality has been successfully used in high-dimensional motion planning such as manipulation of robot arms, but has not been used in the context of path planning in dynamic environments. In this paper, we apply the idea of adaptive dimensionality to speed up path planning in dynamic environments for a robot with no assumptions on its dynamic model. Specifically, our approach considers the time dimension only in those regions of the environment where a potential collision may occur, and plans in a low-dimensional state-space elsewhere. We show that our approach is complete and is guaranteed to find a solution, if one exists, within a cost sub-optimality bound. We experimentally validate our method on the problem of 3D vehicle navigation (x, y, heading) in dynamic environments. Our results show that the presented approach achieves substantial speedups in planning time over 4D heuristic-based A*, especially when the resulting plan deviates significantly from the one suggested by the heuristic.

研究动机与目标

• 解决在存在移动障碍物的动态环境中，完整四维路径规划（x, y, 方向, 时间）带来的高计算成本问题。
• 开发一种方法，在不假设特定机器人运动模型的前提下，保持完备性与次优性保证。
• 通过根据碰撞风险动态切换低维（三维）与高维（四维）状态空间，实现规划加速。
• 在启发式方法具有误导性或环境高度动态时，相较于完整维度的启发式A*，实现更快的规划速度。

提出的方法

• 该算法采用混合状态空间：在远离动态障碍物的区域，于三维（x, y, 方向）中进行规划，此时时间维度无关紧要。
• 在可能发生与动态障碍物碰撞的区域，激活时间维度，将状态空间扩展至四维。
• 规划器采用启发式引导搜索（如A*），并根据与障碍物的距离及预测轨迹动态调整维度。
• 通过保证若存在解，则在有界次优性范围内找到解，确保完备性。
• 通过迭代细化机制，在启发式引导导致高成本或受阻路径时探索替代路径。
• 该方法通过复用迭代间的搜索信息避免重规划开销，但当前实现每次均从零开始。

实验结果

研究问题

• RQ1 自适应维度假设是否能在不牺牲完备性或次优性保证的前提下，降低动态环境中的规划时间？
• RQ2 当启发式方法具有误导性时，所提方法与完整四维启发式A*相比性能如何？
• RQ3 在何种类型的动态环境中，自适应维度假设方法能提供最大速度提升？
• RQ4 该方法如何应对高障碍物密度与频繁轨迹变化的环境？
• RQ5 当启发式方法不准确，或最优路径与启发式路径显著偏离时，该方法能否保持性能？

主要发现

• 在存在动态障碍物的三维非完整车辆导航任务中，所提方法相较于四维启发式A*实现了显著的速度提升——最快可达数倍加速。
• 在具有挑战性的场景中（如ε = 1.1），该方法成功解决了47–46/50组案例，而基线方法仅解决4–2组，展现出更强的鲁棒性。
• 当启发式方法具有误导性或路径需大幅偏离时，所提方法在规划时间与路径成本上均优于基线。
• 在简单场景中（如ε = 2），基线方法表现相当或略优，证实该方法的优势在复杂、非直观环境中最为显著。
• 在走廊被阻塞的室内环境中，该方法比基线更高效地找到替代路径，后者则浪费时间试图遵循被阻塞的启发式路径。
• 即使路径与启发式路径显著偏离，该方法仍能将解的质量控制在理论次优性边界内。