我们的方法更快的原因是我们的搜索空间要小得多。 HCA* 和其他使用时间维度的规划器对每个(配置、时间步长)对都有一个状态,并且由于时间步长的数量通常很大,因此搜索空间也很大。我们的算法将连续的、无冲突的时间步长分组为安全间隔,然后通过(配置、安全间隔)对表示每个状态。任何给定配置的最大安全间隔数最多是其轨迹在该配置中相交的动态障碍物的数量。因此,对于相同配置,安全区间的数量明显小于时间步的数量。因此,我们的规划器构建的搜索空间要小得多,从而导致更快的规划和更小的内存需求。
我们提出的方法的不同之处在于,我们的目标是计算在最短时间方面最优的路径。其他一些方法使用 RRT 变体在高维搜索空间中快速规划,这些搜索空间可以处理更复杂机器人的动力学约束 [7]、[1]。然而,这些基于抽样的方法不能保证我们所追求的最优性。