ベクトル化による高速漸近最適キノダイナミックプランニング
Fast Asymptotically Optimal Kinodynamic Planning via Vectorization
GPU並列計算をPython標準ツールで実現するため、JAXとXLAコンパイラを用いた並列キノダイナミックプランナーPAKRを提案し、AO-xメタアルゴリズムと組み合わせて漸近最適性を達成した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Yitian Gao, Andrew Lu, Zachary Kingston
分類: cs.RO
原文アブストラクト
Sampling-based motion planners have been shown to be effective for systems with complex kinodynamic constraints and high dimensionality. However, these algorithms struggle to achieve real-time performance, leading to recent efforts to parallelize planning. While GPU-accelerated planners have achieved significant speedups, existing approaches require specialized CUDA programming that limits accessibility and portability. We present Parallel Asymptotically Optimal Kinodynamic RRT (PAKR), a massively parallel kinodynamic planner leveraging JAX and the XLA compiler to achieve GPU acceleration through standard Python tooling. By combining our parallel planner with the AO-x meta-algorithm, we achieve asymptotic optimality through fast iterative replanning. We provide a theoretical analysis of probabilistic completeness, analyze the effects of batch size and branching factor on convergence, and demonstrate scalability to complex dynamics using the MuJoCo-XLA simulator. Experiments show competitive runtimes with state-of-the-art GPU planners and superior solution quality.
関連論文
- ScaleMPA: グリッドネイティブ表現によるスケーラブルなRRT*加速の再考モーションプランニング
- 劣駆動システムの高速計画のための信頼できる多面体アクションセットモーションプランニング
- 惑星環境での安全なナビゲーションのための不確実性下におけるリスク考慮のキノダイナミックモーション計画モーションプランニング
- ホモトピーを考慮した参照経路不要のコリドー生成モーションプランニング
- パラメトリック不確実性を考慮した倹約的な外乱対応最小時間計画モーションプランニング
- DRIFT: ドリフトと集約によるモーションプランニングモーションプランニング
