RRTを用いて学習するニューラルネットワークによるパスプランニング

摘要

現在まで，障害物を避けてロボットが移動もしくは姿勢変化を達成するための軌道の生成（パスプランニング）に関する数多くの手法が提案されている．パスプランニング手法には，ポテンシャル法や乱数生成に基づく手法，最適化手法などがあり，それらの中でも乱数生成による手法であるRRT（Rapidly-eXploring Random Tree）[1]は，高速かつ準最適解の発見確率が高いことから広く用いられている．RRTは，高次元領域を効率的に探索するために設計されたメタヒューリスティクスアルゴリズムであり，ランダムサンプリングされたノードを結hで軌道を生成する．また，障害や制約条件を伴う経路計画の問題に特に適しており，生成した経路に対して平滑化処理を適用することで，品質の高い経路の生成が可能である．しかし，乱数を用いるため，同一の始点と終点の組に対して生成される軌道が，試行の度に変動するという問題がある．