[论文解读] RRT+ : Fast Planning for High-Dimensional Configuration Spaces

Marios Xanthidis, Ioannis Rekleitis+1 more|arXiv (Cornell University)|Dec 21, 2016

Robotic Path Planning Algorithms被引用 3

一句话总结

本文提出RRT+，一种新型的基于RRT的运动规划算法家族，通过逐步探索低维子空间，加速在高维配置空间中的路径规划。通过优先选择可能包含解的子空间并自适应调整采样策略，RRT+变体——尤其是PrioritizedRRT+-Connect——在高度冗余系统中显著快于标准RRT以及RRT-Connect和KPIECE等最先进的规划器，收敛速度大幅提升。

ABSTRACT

In this paper we propose a new family of RRT based algorithms, named RRT+ , that are able to find faster solutions in high-dimensional configuration spaces compared to other existing RRT variants by finding paths in lower dimensional subspaces of the configuration space. The method can be easily applied to complex hyper-redundant systems and can be adapted by other RRT based planners. We introduce RRT+ and develop some variants, called PrioritizedRRT+ , PrioritizedRRT+-Connect, and PrioritizedBidirectionalT-RRT+ , that use the new sampling technique and we show that our method provides faster results than the corresponding original algorithms. Experiments using the state-of-the-art planners available in OMPL show superior performance of RRT+ for high-dimensional motion planning problems.

研究动机与目标

• 解决标准RRT算法在超冗余和移动机械臂中常见的高维配置空间中计算效率低下的问题。
• 通过聚焦于解更可能出现的低维子空间，减少高自由度系统中的规划时间。
• 开发一个可泛化的框架，可轻松集成到现有基于RRT的规划器中，提升性能而不牺牲理论保证。
• 在多样化的高维环境中，评估RRT+变体与最先进规划器的性能表现。
• 探究优先级策略与动态子空间选择对规划速度和解质量的影响。

提出的方法

• RRT+将完整配置空间分解为一系列维度递增的子空间，实现在每个子空间内逐步扩展树结构。
• 该算法采用优先采样策略，基于几何和运动学约束，优先选择更可能包含可行路径的子空间。
• 每个RRT+变体（如PrioritizedRRT+-Connect）通过修改原始规划器的采样与扩展逻辑，使其在子空间内运行，同时保持RRT的理论完备性。
• 通过识别子空间是否已被充分探索，动态调整搜索深度，从而减少冗余计算。
• 该方法设计为模块化，可仅通过少量代码修改（通常少于五分钟）轻松集成到现有基于RRT的规划器中。
• 参数$ Q_{\text{max}} $控制每次子搜索的最大时间，性能对这一参数值敏感，但该方法在多种环境中仍保持鲁棒性。

实验结果

研究问题

• RQ1 聚焦于低维子空间的搜索是否能显著缩短高维配置空间中的规划时间？
• RQ2 与均匀或有偏采样相比，子空间间的优先采样在收敛速度和解质量方面表现如何？
• RQ3 RRT+在高度冗余的机器人系统中，能否显著优于RRT-Connect、KPIECE和STRIDE等最先进规划器？
• RQ4 RRT+框架是否可泛化并以极低的实现成本适配到其他基于RRT的规划器？
• RQ5 关于系统运动学结构的先验知识在加速规划过程中的作用是什么？

主要发现

• 在所有测试环境的每次试验中，PrioritizedRRT+-Connect均实现了最快解的生成时间，且在每种情况下均为单次最快解。
• 在Horn环境（30-DOF）中，PrioritizedRRT+-Connect将平均规划时间缩短至4.77秒，而RRT-Connect为66.71秒，提速达13.6倍。
• 在17-DOF运动链中，RRT+变体在杂乱环境和Horn环境中，平均规划时间相比标准RRT-Connect最多减少70%。
• 在低冗余环境中，KPIECE和STRIDE优于RRT+变体，但在高冗余场景中，RRT+保持竞争力并显著更快。
• 该方法在实现显著提速的同时，保持了理论完备性和概率完备性，证明了其鲁棒性与可扩展性。
• RRT+的性能对$ Q_{\text{max}} $参数高度敏感，表明未来工作需引入自适应调参或基于度量的终止条件。