RMRRT: Riemannian Barrier Metric RRT для планирования с учётом неравенств на многообразиях равенств

25 июля 2026 года на arXiv опубликована статья, посвящённая новому фреймворку планирования движений RMRRT (Riemannian Barrier Metric RRT). Работа выполнена авторами Minhyeong Kang и Sanghyun Kim в области робототехники (cs.RO).

Метод решает проблему раздельного учёта ограничений в классических sampling-based планировщиках: равенства обычно обрабатываются через проекцию, а неравенства — через бинарные проверки, такие как проверка на столкновения. Это часто приводит к неэффективному исследованию пространства.

RMRRT строит unified local geometry для планирования на многообразиях, заданных ограничениями равенств. Сначала формируется ambient barrier metric на основе barrier terms, чувствительных к неравенствам, затем через G-orthogonal projection индуцируется tangent-space metric, связанный с ограничениями равенств.

Полученная метрика применяется как для steering, так и для nearest-neighbor selection. Она смещает исследование пространства в сторону от границ неравенств, сохраняя consistency первого порядка по равенствам. В работе метрика реализована на основе signed-distance-based geometric proxy inequalities для получения информативных направлений в tangent space; жёсткая feasibility проверяется отдельно стандартными validity checks.

В экспериментах RMRRT показал 100% success rate на разнообразных задачах constrained manipulation как в симуляции, так и в реальных условиях, при этом сокращая время планирования по сравнению с representative constrained planning baselines. Ablation studies подтвердили, что предложенная метрика улучшает качество исследования за счёт уменьшения rejected samples и сокращения длины пути.

Видео экспериментов и исходный код доступны по ссылке в статье. Работа относится к тематике motion planning для высокомерных robotic systems.

Источник: https://arxiv.org/abs/2610.06863