Integration of machine learning and heuristic search in path planning

Abstract

В работе рассматривается одна из наиболее важных задач в робототехнике – задача планирования траектории. В рамках работы проводится анализ научной литературы в области этой задачи, а также в области применения методов машинного обучения и эвристического поиска для её решения. Целью работы является повышение эффективности алгоритма A* на графах регулярной декомпозиции сетки. Основной задачей является разработка универсального нейросетевого метода, позволяющего получить аппроксимацию идеальной эвристической функции – предсказанную эвристику, для её использования в алгоритме A* в рамках задачи планирования траектории, решаемой на графах регулярной декомпозиции сетки. Проводится экспериментальное исследование разработанного метода.

The work considers one of the most important tasks in robotics – the path planning problem. The work includes an analysis of the scientific literature in the field of this problem, as well as in the field of application of machine learning methods and heuristic search used for its solution. The main goal of this work is to increase the efficiency of the A* algorithm on regular grids by developing a universal neural network approach that allows to obtain an approximation of a perfect heuristic function. A learned heuristic thus obtained is then used in the A* algorithm within the path planning problem solved on regular grids. An experimental study of the developed approach is carried out.