nach oben

Erschienen in:

2022 | OriginalPaper | Buchkapitel

Memory-Based STOMP for Local Path Planning

verfasst von : Wenjie Li, Tao Cao, Yunfan Wang, Xian Guo

Erschienen in: Intelligent Robotics and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Planning and navigation of mobile robots has always been a challenging problem, which has attracted a large number of scholars, especially the research on local path planners. In order to use the past planning experience to guide future path planning, a memory-based stochastic trajectory optimization for motion planning (M-STOMP) is used to solve the local path planning problem. Firstly, the past path planning experience is continuously used to guide the subsequent planning by using memory, which is a method for continuous planning. Then, STOMP algorithm uses Gaussian distribution to generate some smooth paths in the state space, and uses optimized method to update to get a better path. Finally, this method was tested in four different scenarios which validate the proposed method. This paper gave a method for local path planning from a new perspective.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel An Inspection Planning Method for Steam Generators with Triangular-Distributed Tubes

Nächstes Kapitel Research and Verification of Robot Master-Slave Control Algorithm for Nuclear Power Maintenance Scenarios

Adouane, L.: Orbital obstacle avoidance algorithm for reliable and on-line mobile robot navigation (2009)

Borenstein, J., Koren, Y.: The vector field histogram-fast obstacle avoidance for mobile robots. IEEE Trans. Robot. Autom. 7(3), 278–288 (1991). https://doi.org/10.1109/70.88137CrossRef

Cai, K., Wang, C., Cheng, J., De Silva, C.W., Meng, M.Q.H.: Mobile robot path planning in dynamic environments: a survey. arXiv preprint arXiv:2006.14195 (2020)

Dobrevski, M., Skočaj, D.: Adaptive dynamic window approach for local navigation. In: 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp. 6930–6936 (2020). https://doi.org/10.1109/IROS45743.2020.9340927

Fox, D., Burgard, W., Thrun, S.: The dynamic window approach to collision avoidance. IEEE Robot. Autom. Mag. 4(1), 23–33 (1997). https://doi.org/10.1109/100.580977CrossRef

González, D., Pérez, J., Milanés, V., Nashashibi, F.: A review of motion planning techniques for automated vehicles. IEEE Trans. Intell. Transp. Syst. 17(4), 1135–1145 (2016). https://doi.org/10.1109/TITS.2015.2498841CrossRef

Howard, T., Green, C., Kelly, A., Ferguson, D.: State space sampling of feasible motions for high performance mobile robot navigation in complex environments. J. Field Robot. 25, 325–345 (2008). https://doi.org/10.1002/rob.20244

Kalakrishnan, M., Chitta, S., Theodorou, E., Pastor, P., Schaal, S.: Stomp: stochastic trajectory optimization for motion planning. In: 2011 IEEE International Conference on Robotics and Automation (ICRA), pp. 4569–4574 (2011). https://doi.org/10.1109/ICRA.2011.5980280

Knepper, R.A., Kelly, A.: High performance state lattice planning using heuristic look-up tables. In: 2006 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 3375–3380 (2006). https://doi.org/10.1109/IROS.2006.282515

10.

Liu, L., et al.: Global dynamic path planning fusion algorithm combining jump-a* algorithm and dynamic window approach. IEEE Access 9, 19632–19638 (2021). https://doi.org/10.1109/ACCESS.2021.3052865CrossRef

11.

Ratliff, N., Zucker, M., Bagnell, J., Srinivasa, S.: CHOMP: gradient optimization techniques for efficient motion planning, pp. 489–494, June 2009. https://doi.org/10.1109/ROBOT.2009.5152817

12.

Theodorou, E., Buchli, J., Schaal, S.: Reinforcement learning of motor skills in high dimensions: a path integral approach. In: 2010 IEEE International Conference on Robotics and Automation (ICRA), pp. 2397–2403 (2010). https://doi.org/10.1109/ROBOT.2010.5509336

13.

Ulrich, I., Borenstein, J.: VFH+: reliable obstacle avoidance for fast mobile robots. In: Proceedings of 1998 IEEE International Conference on Robotics and Automation (Cat. No. 98CH36146). vol. 2, pp. 1572–1577 (1998). https://doi.org/10.1109/ROBOT.1998.677362

14.

Ulrich, I., Borenstein, J.: VFH/SUP */: local obstacle avoidance with look-ahead verification. In: Proceedings 2000 ICRA. Millennium Conference. IEEE International Conference on Robotics and Automation. Symposia Proceedings (Cat. No. 00CH37065), vol. 3, pp. 2505–2511 (2000). https://doi.org/10.1109/ROBOT.2000.846405

15.

Wen, J., et al.: MRPB 1.0: a unified benchmark for the evaluation of mobile robot local planning approaches. In: 2021 IEEE International Conference on Robotics and Automation (ICRA), pp. 8238–8244 (2021). https://doi.org/10.1109/ICRA48506.2021.9561901

16.

Yunfan, W., Xian, G.: Memory-based stochastic trajectory optimization for manipulator obstacle avoiding motion planning. In: 2022 7th Asia-Pacific Conference on Intelligent Robot Systems (ACIRS). (Accepted)

Titel: Memory-Based STOMP for Local Path Planning
verfasst von: Wenjie Li
Tao Cao
Yunfan Wang
Xian Guo
Verlag: Springer International Publishing
Buch: Intelligent Robotics and Applications
Print ISBN: 978-3-031-13834-8

Electronic ISBN: 978-3-031-13835-5

Copyright-Jahr: 2022
DOI: https://doi.org/10.1007/978-3-031-13835-5_53

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"