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
ScaleMPA: Rethinking Scalable RRT* Acceleration With a Grid-Native Representation
RRT*をグリッドベース表現に置き換え、マルチ解像度グリッド探索とハッシュグリッドメモリを組み合わせたハードウェアアクセラレータを提案し、ミリ秒レベルの計画を実現した。
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: Zilong Wang, Yuzhou Chen, Xinyue He, Chen Zhang, Guanghui He
分類: cs.RO, cs.AR
原文アブストラクト
Real-time motion planning remains challenging in large and high-dimensional environments. Prior acceleration of RRT* follows tree-centric state organization, which reduces per-query cost but preserves superlinear end-to-end complexity and limits parallelism through structural dependencies. This paper presents ScaleMPA, a motion-planning accelerator that rethinks RRT* with a grid-native representation. By replacing hierarchical traversal with direct grid-based access, ScaleMPA reduces the planner critical path and exposes fine-grained parallelism. To make this reformulation practical under sparse high-dimensional planning, ScaleMPA further proposes a multi-resolution grid search engine and a hash-grid memory system. Implemented in 28 nm CMOS, ScaleMPA achieves millisecond-level planning latency and delivers 4.7$\times$--44.4$\times$ speedup over state-of-the-art motion-planning accelerators.
関連論文
- 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
- 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
- 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
- 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