Pianificazione delle traiettorie senza dati sulle traiettorie: un approccio guidato dalla geometria di una varietà

Abstract degli autori

Un approccio comune alla pianificazione delle traiettorie consiste nell’usare modelli generativi addestrati su grandi raccolte di traiettorie esperte. In fase di inferenza, il modello genera traiettorie eseguibili tenendo conto dei vincoli relativi all’obiettivo del compito. Tuttavia, i metodi basati sulle traiettorie richiedono una supervisione costosa, scalano male all’aumentare della lunghezza delle sequenze e spesso generalizzano poco a vincoli mai incontrati, come nuove coppie di punti di partenza e di arrivo. Proponiamo un’alternativa: apprendere la varietà sottostante dello spazio degli stati e usarne la geometria per pianificare le traiettorie. Questo approccio richiede soltanto osservazioni degli stati e permette di generalizzare a vincoli mai incontrati costruendo traiettorie sulla varietà appresa dello spazio degli stati. Gli esperimenti sui benchmark Maze2D e di pianificazione del movimento robotico mostrano che Ariadne costruisce percorsi praticabili con una supervisione basata esclusivamente sugli stati e generalizza a combinazioni mai incontrate di punti di partenza e di arrivo. Nella pianificazione ad alta dimensionalità per due bracci, mantiene prestazioni competitive rispetto ai pianificatori supervisionati con traiettorie e a quelli classici, senza richiedere dati sulle traiettorie per l’addestramento.