결정론적 path-planning 방법 ( A* ) 의 단점 :
- 가장 인기 있고 널리 사용되는 Path-planning 알고리즘이나, 지도 크기와 차원 측면에서 확장성이 좋지 않음
- 대부분 2차원 이동 로봇과 자유도가 낮은 로봇로 제한됨
확률적 path-planning 방법의 특징
- 다양한 경로 계획 알고리즘 계열을 형성함
- 복잡한 고해상도 및 고차원 경로 계획 문제를 해결하는 데 널리 사용됨
--
Rapidly-exploning-Random Trees, RRT
무작위로 생성되는 노드가 지도의 탐색되지 않은 영역으로 트리를 확장하여 알고리즘이 지도를 빠르게 탐색하도록 하는 데 매우 효과적이다.
- 다른 경로 계획 알고리즘에 비해 상당히 빠르다.
- 고차원 동적 환경 내 실시간 경로 계획에서 우수하다.
- 그리드 맵, 연속적인 지도 표현 방법 모두 적용할 수 있다.
단점 :
- 생성된 경로가 들쭉날쭉하고 종종 중복된 웨이포인트가 있고 길이 측면에서 최단이 아닌 경우가 있다.
- A*, dijkstra에 비해 유리하진 않다.
- 경로를 통과하는 시간이나 목표에 도달하는 데 걸리는 시간이 길어진다.
- 경로가 존재하더라도 제한된 시간 내에 해당 경로를 찾지 못할 수 있다.
Potential Field ( 인공 전위장, 가상 전위장 ) :
장애물로부터 안전한 거리를 유지하면서 목표를 향해 로봇을 가이드하는 매우 빠르고 직접적인 접근 방식이다.
'**Autonomous driving tech. > *ROS2' 카테고리의 다른 글
[ROS2] Object detection(bounding box), semantic segmentation, instance segmentation (0) | 2025.02.19 |
---|---|
[ROS2] Navigation Stack, Manipulation, Motion-planning (0) | 2025.02.19 |
[ROS2] Path-planning (0) | 2025.02.18 |
[ROS2] Particle Filter (0) | 2025.02.18 |
[ROS2] Bayes, Kalman, Particle Filter (0) | 2025.02.18 |