いわゆる経路計画とは、開始点と終了点の間の連続的な運動軌跡を見つけ、経路を可能な限り最適化しながら環境内の障害物を回避することです。
一般的に使用される経路計画アルゴリズムには、従来のグラフベースの検索アルゴリズム、サンプリングベースの経路計画アルゴリズム、およびダイナミクスを考慮した経路計画アルゴリズムが含まれます。では、これらの経路計画アルゴリズムはどのような状況で適用できるのでしょうか? 続いて、詳しくご紹介していきます。
>>>>
検索ベースの経路計画アルゴリズム
検索ベースのパス ルール アルゴリズムには主に、BFS (幅優先) アルゴリズム、DFS (深さ優先) アルゴリズム、ダイクストラ アルゴリズム、ヒューリスティック検索 A* アルゴリズムなどが含まれます。
一般に、検索ベースの計画アルゴリズムは、ラスター マップでの実行に適しています。グリッドマップ上を継続的に探索することで、目的地までの連続した軌跡を検索します。
グラフ検索に基づく計画アルゴリズムは常に大域的な最適解(最短経路と最高の効率) を与えることができますが、マップが大きすぎて計画次元が高すぎると、検索効率が非常に遅くなります。
>>>>
サンプリングベースのパス計画
サンプリングベースのパス プランニングには主に、RRT (急速拡張ランダム ツリー) アルゴリズム、RRT* アルゴリズム、インフォームド RRT* アルゴリズムなどが含まれます。
一部のシナリオでは、パス計画アルゴリズムの焦点は主に効率にあるため、サンプリングベースの計画アルゴリズムの方が要件に沿っています。
このタイプのアルゴリズムの核となるのはランダム サンプリングです。親ノードから開始して、マップ上に子ノードをランダムに生成し、親ノードと子ノードを接続して衝突検出を実行します。衝突がない場合は、子ノードを展開します。開始点と終了点を結ぶパスが生成されるまで、サンプル点をランダムに拡張し続けます。サンプル ポイントはランダムに生成されるため、最終的な実行パスは全体的な最適解ではない可能性があり、ロボットが「迂回」していることが明らかな場合もあります。
検索ベースの計画アルゴリズムと比較すると、サンプリング ベースの計画アルゴリズムは、グリッド マップ全体を横断することなく実現可能なパスを迅速に生成できるため、より効率的です。
上記の 2 種類のアルゴリズムはロボットの動作制約を考慮せず、「最短経路」または「最速経路」のみを考慮します。最短時間で大域的な最適解を取得したい場合は、ダイナミクスを考慮した経路計画アルゴリズムが適しています。
>>>>
ダイナミクスを考慮した経路計画
ダイナミクスを考慮した経路計画には、主にハイブリッド A* アルゴリズム、Kinodynamic RRT* アルゴリズムなどが含まれます。
無人車両を例にとると、直角転換点のある経路が生成された場合、二輪差動運動モデルの無人車両は、差動装置の最小回転半径が小さいため、直角転換点をかろうじて通過することができます。モデルの無人車両は 0 です。これは、その場で回転できることを意味します (ただし、実際の移動プロセスでは瞬時のステアリングは実現できません)。アッカーマン運動モデルの無人車両（現実の車両はアッカーマンステアリングシステム）の場合、回転半径が0ではないため、直角コーナーを通過することができません。ダイナミクスを考慮した計画アルゴリズムは、ロボットを粒子として考慮するのではなく、計画された軌道がダイナミクスを満たさなければならず、生成された軌道によってロボットを実際に実行できると考えます。
ハイブリッド A* アルゴリズムを例にとると、車両の運動学を考慮した結果、得られる経路は直線ではなくより滑らかな曲線となり、障害物を検出するとき、ロボットは単純に質点とみなされず、ロボットのプロファイルが作成されます。が考慮されます。以下の図に示すように、A* アルゴリズムでノードを拡張すると 8 つのグリッドがあり、ハイブリッド A* アルゴリズムでノードを拡張すると、6 つのモーション プリミティブ、前方に 3 つのモーション モード、後方に 3 つのモーション モードが存在します。
