Titre original :
A Survey on the Integration of Machine Learning with Sampling-based Motion Planning
Contenu du livre :
La planification des mouvements est le problème de la recherche de chemins valides, exprimés comme des séquences de configurations, ou de trajectoires, exprimées comme des séquences de commandes, qui déplacent un robot d'un état de départ donné vers un état d'arrivée souhaité tout en évitant les obstacles. Les méthodes basées sur l'échantillonnage sont des solutions largement adoptées pour la planification des mouvements des robots. Ces méthodes sont simples à mettre en œuvre et efficaces dans la pratique pour de nombreux systèmes robotiques. En outre, elles présentent de nombreuses propriétés souhaitables, telles que la complétude probabiliste et l'optimalité asymptotique. Néanmoins, les méthodes basées sur l'échantillonnage restent confrontées à des défis à mesure que la complexité du problème de planification sous-jacent augmente, en particulier sous de fortes contraintes de temps de calcul, ce qui a un impact sur la qualité des solutions retournées ou des modèles imprécis. Cela a motivé l'apprentissage automatique pour améliorer l'efficacité de calcul et l'applicabilité des planificateurs de mouvement basés sur l'échantillonnage (SBMP).
Il existe de nombreuses publications sur l'utilisation d'algorithmes d'apprentissage automatique pour améliorer l'efficacité des systèmes robotiques en général. Récemment, l'attention s'est portée sur les progrès des méthodes d'apprentissage profond, ce qui a donné lieu à de nombreux efforts pour utiliser les outils correspondants en robotique. Cette monographie se concentre spécifiquement sur l'intégration d'outils d'apprentissage automatique pour améliorer l'efficacité, la convergence et l'applicabilité des SBMP. La publication couvre un large éventail d'applications robotiques, y compris, mais sans s'y limiter, la planification de la manipulation et la planification de systèmes avec des contraintes dynamiques. En particulier, ce manuscrit passe d'abord en revue les tentatives d'utilisation de l'apprentissage automatique pour améliorer la performance des primitives individuelles utilisées par les SBMP. Il étudie également une série de planificateurs qui utilisent l'apprentissage automatique pour sélectionner de manière adaptative un ensemble de primitives de planification de mouvement. La monographie étudie ensuite une série d'architectures intégrées qui apprennent une cartographie de bout en bout des entrées des capteurs vers les trajectoires ou les commandes du robot. Enfin, la monographie montre comment les SBMP peuvent fonctionner sur des modèles appris du système robotique en raison de la présence de bruit et d'incertitude, et elle conclut par une discussion comparative des différentes approches couvertes en termes d'impact sur l'efficacité de calcul du planificateur, la qualité des trajectoires calculées ainsi que la facilité d'utilisation des SBMP.
Les difficultés et les limites générales de ces méthodes sont également exposées, ainsi que les orientations potentielles des travaux futurs.
Autres informations sur le livre :
| ISBN : | 9781638281344 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
