Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Progress on “Pico” Air Vehicles Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Realtime Informed Path Sampling for Motion Planning Search

verfasst von : Ross A. Knepper, Matthew T. Mason

Erschienen in: Robotics Research

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Robot motions typically originate from an uninformed path sampling process such as random or low-dispersion sampling. We demonstrate an alternative approach to path sampling that closes the loop on the expensive collision-testing process. Although all necessary information for collision-testing a path is known to the planner, that information is typically stored in a relatively unavailable form in a costmap. By summarizing the most salient data in a more accessible form, our process delivers a denser sampling of the free space per unit time than open-loop sampling techniques. We obtain this result by probabilistically modeling—in real time and with minimal information—the locations of obstacles, based on collision test results. We demonstrate up to a 780 % increase in paths surviving collision test.

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 Pre-image Backchaining in Belief Space for Mobile Manipulation
Nächstes Kapitel Asymptotically Near-Optimal Is Good Enough for Motion Planning
Literatur
1.
N.M. Amato, O.B. Bayazit, L.K. Dale, C. Jones, D. Vallejo, OBPRM: an obstacle-based PRM for 3D workspaces, in Workshop on the Algorithmic Foundations of Robotics, Houston, TX, USA, March (1998), pp. 155–168
2.
W.H. Beyer (ed.), CRC Standard Mathematical Tables and Formulae (CRC Press, Boca Raton, 1991)MATH
3.
B. Burns, O. Brock, Information theoretic construction of probabilistic roadmaps, in International Conference on Intelligent Robots and Systems, Las Vegas, NV, USA, Oct (2003)
4.
B. Burns, O. Brock, Sampling-based motion planning using predictive models, in International Conference on Robotics and Automation, Barcelona, Spain, April (2005)
5.
B. Burns, O. Brock, Single-query entropy-guided path planning, in International Conference on Robotics and Automation, Barcelona, Spain, April (2005)
6.
B. Burns, O. Brock, Toward optimal configuration space sampling, in Robotics: Science and Systems, Cambridge, MA, USA, June (2005)
7.
C. Green, A. Kelly, Toward optimal sampling in the space of paths, in International Symposium of Robotics Research, Hiroshima, Japan, Nov (2007)
8.
P.D. Grünwald, A.P. Dawid, Game theory, maximum entropy, minimum discrepancy and robust bayesian decision theory. Ann. Stat. 32(4) (2004)
9.
D. Hsu, T. Jiang, J. Reif, Z. Sun, The bridge test for sampling narrow passages with probabilistic roadmap planners, in International Conference on Robotics and Automation, Taipei, Taiwnn, Sept (2003)
10.
D. Hsu, G. Sánchez-Ante, Z. Sun, Hybrid PRM sampling with a cost-sensitive adaptive strategy, in Proceedings of the IEEE International Conference on Robotics and Automation, pp. 3885–3891 (2005)
11.
D. Hsu, J.C. Latombe, H. Kurniawati, On the probabilistic foundations of probabilistic roadmap planning. Intl. J. Robot. Res. 25(7), 627–643 (2006)CrossRefMATH
12.
L. Jaillet, A. Yershova, S.M. LaValle, T. Simeon, Adaptive tuning of the sampling domain for dynamic-domain RRTs, in International Conference on Intelligent Robots and Systems (2005)
13.
E.T. Jaynes, Information theory and statistical mechanics. Phys. Rev. 106(4), 620–630 (1957)
14.
R.A. Knepper, M.T. Mason, Empirical sampling of path sets for local area motion planning, in International Symposium of Experimental Robotics, Athens, Greece, July (2008)
15.
R.A. Knepper, S.S. Srinivasa, M.T. Mason, An equivalence relation for local path sets, in Workshop on the Algorithmic Foundations of Robotics, Singapore, Dec (2010)
16.
M. Morales, L. Tapia, R. Pearce, S. Rodriguez, N.M. Amato, A machine learning approach for feature-sensitive motion planning, in Workshop on the Algorithmic Foundations of Robotics, Utrecht/Zeist, The Netherlands, July (2004), pp. 361–376
17.
A.F. van der Stappen, V. Boor, M.H. Overmars, The Gaussian sampling strategy for probabilistic roadmap planners, in International Conference on Robotics and Automation (1999), pp. 1018–1023
18.
B. Vidakovic, Γ-Minimax: A Paradigm for Conservative Robust Bayesians, Lecture Notes in Statistics, vol. 152 (Springer, New York, 2000), pp. 241–259
19.
Y. Yu, K. Gupta, An information theoretic approach to view point planning for motion planning of eye-in-hand systems, in International Symposium on Robotics (2000), pp. 306–311
Metadaten
Titel
Realtime Informed Path Sampling for Motion Planning Search
verfasst von
Ross A. Knepper
Matthew T. Mason
Copyright-Jahr
2017
Buch
Robotics Research

Print ISBN: 978-3-319-29362-2

Electronic ISBN: 978-3-319-29363-9

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-29363-9_23

Neuer Inhalt

    Bildnachweise