[论文解读] Topological robotics: motion planning in projective spaces

Michael Färber, Serge Tabachnikov+1 more|ArXiv.org|Oct 2, 2002

Robotic Path Planning Algorithms参考文献 9被引用 13

一句话总结

该论文通过计算 n ≤ 23 时的实射影空间的拓扑复杂度 TC(RP^n)，解决了 R^{n+1} 中一条直线旋转的拓扑机器人学运动规划问题。研究发现 TC(RP^n) 等于 RP^n 能浸入 R^{k-1} 的最小 k 值，将运动规划的不稳定性与经典浸入理论联系起来，并为 n ≤ 7 的情况提供了基于四元数和凯利数的显式算法。

ABSTRACT

We study an elementary problem of topological robotics: rotation of a line, which is fixed by a revolving joint at a base point: one wants to bring the line from its initial position to a final position by a continuous motion in the space. The final goal is to construct an algorithm which will perform this task once the initial and final positions are given. Any such motion planning algorithm will have instabilities, which are caused by topological reasons. A general approach to study instabilities of robot motion was suggested recently by the first named author. With any path-connected topological space X one associates a number TC(X), called the topological complexity of X. This number is of fundamental importance for the motion planning problem: TC(X) determines character of instabilities which have all motion planning algorithms in X. In the present paper we study the topological complexity of real projective spaces. In particular we compute TC(RP^n) for all n<24. Our main result is that (for n distinct from 1, 3, 7) the problem of calculating of TC(RP^n) is equivalent to finding the smallest k such that RP^n can be immersed into the Euclidean space R^{k-1}.

研究动机与目标

• 确定实射影空间的拓扑复杂度 TC(RP^n)，以量化运动规划算法中的不稳定性。
• 建立 TC(RP^n) 与 RP^n 浸入欧氏空间问题之间的深刻联系。
• 当 n ≤ 7 时，利用四元数和凯利数等代数结构，构建实射影直线在 R^{n+1} 中的显式、连续运动规划算法。
• 为所有 n ≤ 23 提供 TC(RP^n) 的计算表格，支持潜在的机器人学应用。

提出的方法

• 使用路径空间的纤维丛 π: PX → X×X，其中运动规划器是截面 s: X×X → PX。
• 将 TC(X) 定义为使得 X×X 允许被 k 个开集覆盖的最小整数 k，每个开集均存在连续的局部截面 s_i。
• 应用上同调中的零除子-上积长度下界来估计 TC(RP^n)，使用 H*(RP^n)⊗H*(RP^n) 中的零除子理想 I。
• 利用存在从 R^{n+1}×R^{n+1} 到 R^k 的非奇异映射 f，构造 RP^n×RP^n 的开覆盖，并定义局部运动规划规则。
• 对于 n ≤ 7，利用复数乘法（n=1）、四元数乘法（n=3）和凯利数乘法（n=7）显式构造运动规划器，利用其代数性质。
• 证明当 n ≠ 1,3,7 时，TC(RP^n) 等于 RP^n 能浸入 R^{k-1} 的最小整数 k，从而将问题归约为经典浸入理论。

实验结果

研究问题

• RQ1 实射影空间的拓扑复杂度 TC(RP^n) 是什么？它与运动规划算法不稳定性有何关系？
• RQ2 对于哪些 n 值，TC(RP^n) 等于 RP^n 浸入 R^{k-1} 的最小 k？
• RQ3 当 n ≤ 7 时，能否利用四元数和凯利数等代数结构构造 RP^n 的显式运动规划算法？
• RQ4 为何例外情况 n=1,3,7 会使得 TC(RP^n) = n+1？它们与其他 n 值有何不同？
• RQ5 对于所有 n ≤ 23，TC(RP^n) 的计算结构是什么？其渐近行为如何？

主要发现

• 对于所有 n ≤ 23，本文显式计算了 TC(RP^n)，并提供了完整的数值表格。
• 当 n ≠ 1,3,7 时，TC(RP^n) 等于 RP^n 能浸入 R^{k-1} 的最小整数 k，将运动规划复杂度与浸入理论联系起来。
• 当 n=1,3,7 时，TC(RP^n) = n+1，且利用复数乘法、四元数乘法和凯利数乘法显式构造了运动规划算法。
• RP^n 的运动规划算法在一般情况下是不连续的，其不连续性的阶数等于 TC(RP^n)，反映了拓扑障碍。
• 运动规划器的构造依赖于非奇异映射 f: R^{n+1}×R^{n+1} → R^k，每个坐标定义了乘积空间中的局部区域 U_i。
• 本文建立了逆命题：RP^n 的运动规划器可诱导出一个浸入映射 RP^n → R^{k-1}，表明运动规划问题与浸入问题等价。