Vzorkovací metody plánování pohybu s omezeními

Abstract

Plánování cesty je rozšířený problém sahající od robotiky po biochemii. Jedním z nedávných průlomů v této oblasti je řešení pomocí náhodného vzorkování. Tato práce se zabývá použitím náhodných stromů v úloze plánování pohybu s omezeními, kde bežné vzorkovací algoritmy selhávají. Součástí je návrh jednoduché parametrizace, která zjednodušuje zadání úlohy pro široké spektrum použití. Efektivní algoritmus AtlasRRT je v této práci důkladně zanalyzován a implementován v Julii. Dále navrhujeme zlepšení algoritmu řešící detaily, které v původním článku zcela chybí a přispějí k celkovému zrychlení běhu algoritmu. Implementace je dále testována na různých úlohách z oblasti robotiky. Přiloženy jsou vizualizace a porovnání s dalšími současnými algoritmy.

The path planning is a widespread problem ranging from robotics to biochemistry. One of the recent breakthroughs in this field is a solution using random sampling. This work focuses on the use of random trees in the motion planning problem with constraints, where regular space sampling algorithms fail. A simple parametrization is proposed, further simplifying the problem formulation for a wide range of problems. A state-of-the-art algorithm, AtlasRRT is thoroughly analyzed and implemented in Julia. An improvement is proposed which addresses missing details in the original paper and leads to better overall performance. The implementation is benchmarked on multiple tasks from robotics. Visualizations and comparisons with other contemporary algorithms are provided.