Efficient Sampling-based Bottleneck Pathfinding over Cost Maps

摘要

本文提出个简单而有效的采样器，《隐式定义的成本映射M》，给空间中的每个点一个实值，找到一条连接两个给定点的路径，使得M的值最小。并把这个能力称为瓶颈树（BTT），瓶颈树只需要调用一个参数：采样点的数量。

为什么关心路径质量

1.可以降低机器人及其周围环境的能源消耗的路径
2.缩短执行时间的路径，
3.使机器人更安全执行的路径。

研究最多的质量指标之一是路径长度
另一个重要指标是间隙（clearance）。
///
一个机器人的间隙是指机器人本体与最近的禁止配置（障碍物）的距离。
提高路径质量的方法是找到一条路径，使机器人的间隙的最小值最大化。指的是机器人与障碍物的最近距离最大化，从而避免碰撞。

路径长度和间隙的权衡关系

在一个布置有障碍物的构形空间内，两点之间如果存在一个较短的路径往往就需要路径相对靠近障碍物。则间隙就变小。

瓶颈树

看作是PRM的一个惰性版本，根据cost-to-come，以Dijkstra的方式探索路径。

瓶颈路径(bottleneck path)

它们描述了能够有效地获得的数据结构，即给定的两个查询点（这是期望路径的起点和目标），具有各种属性的路径，例如那些严格下降的路径和那些使所获得的最大高度最小化的路径，即瓶颈路径。

这里指的是瓶颈路径就是路径成本最低的那条路。
//