| 研究概要 |
視覚を持つ自律移動ロボットの不確かさを考慮したプラニング(行動計画の生成)において,プラニング時間と生成されるプランの質とのトレードオフを考慮するプラニング手法を研究した.具体的には(1)プラン探索の深さとプランの質とのトレードオフ,(2)確率的に表現される不確かな量をどの程度に離散化して考えるか(離散化の粒度と呼ぶ)とプランの質とのトレードオフ,の2つを考慮し,プラニング時間とプランの実行時間の和を最小化する手法を研究した.
そのために,
1.プランの生成過程を,iterative refinement(繰り返し改善)の形に定式化し,次に,(プランの予想される改善度-ノード展開のコスト)の最も高いノードを持つプラン候補を繰り返し展開することにより,プラニングのコストを含めた上で最適なプランを生成する手法を研究した.
2.不確かな状況の離散化の粒度と,それに応じたプランの質との関係を,いくつかの典型的な状況についてあらかじめ調べておき,それらから一般の場合について離散化の粒度とプランの質との関係を推定する手法を研究した.
以上の手法について,まずシミュレーションで有効性を確かめた.探索深さや離散化の粒度をさまざまな値に固定してプラニングを行った場合と比較して,研究した手法が常に効率の良いプランを生成することが確かめられた.
また,実際の移動ロボットを用いて基礎実験を行い,現実の問題に適用可能であることが確認された.
|
