使用卷积编解码器直接构建机器人配置空间.pdfVIP

使用卷积编解码器直接构建机器人配置空间

11112

ChristopherBenkaJudahGoldfederCarlGrossRiyaGuptaHodLipson

Abstract间时只需要计算C或C(Latombe,1996)之

clsnfree

智能机器人必须能够在它们的环境中执行间的边界即可。一旦计算出来，使用C-空间进行路

安全和高效的运动规划。现代运动规划的径规划将任务从高维对象的运动规划简化为一个点

核心是构型空间。构型空间定义了与工作(Latombe,1996)的运动规划。运动规划系统使用C-

区中的障碍物发生碰撞的机器人构型集，空间定义从机器人初始配置qinitial到最终配置qgoal

的配置轨迹C。这条轨迹通常被称为自由

C，以及不发生碰撞的构型集，C。现free

clsnfree

本代运动规划方法首先计算构型空间，然后路径(Latombe,1996)。

译使用计算出的构型空间进行运动规划。实高效计算C空间的准确近似值仍然是一个开放问

时运动规划需要准确和高效地构建构型空题。对于具有大量自由度的机器人，C和C之

中间。我们是第一个将卷积编码器-解码器框freeclsn

间的边界非常复杂。基于采样的运动规划（SBMP）

2

v架应用于计算高度精确的构型空间近似值方法如概率道路图（PRM）(Kavrakietal.,1996)和

3的人，基本上学习机器人与物理世界如何快速探索随机树（RRT）(KuffnerLaValle,2000)

5

6交互。我们的模型实现了97.5%的F1分数被用于高效地计算该边界的近似值。最近的研究集

5平均值，用于预测二维机器人工作区中双中在通过使用机器学习方法(Hanetal.,2020)替

0

.臂机器人的C和C。我们的方法将未代传统的精确碰撞检测程序来提高SBMP方法的效

3freeclsn

0检测到的碰撞限制在涉及平移、旋转和清率。机器学习技术学习一个分类器f()，该分类器

3

除障碍物的机器人工作区中的2.5%以下。将配置映射到集合C或C，准确率很高。

2freeclsn

:

v我们的模型学习了高度可迁移的功能，在

i对于每个机器人工作空间，分类器是在1万到10万

x机器人工作区之间，几乎不需要微调即可

r个样本对上进行训练的，其中分

a适应工作区中障碍物的新变换。