anytime方法

#不知所云的搬砖#

早上刚睡着，被暴风雨声给弄醒了，于是在昏黑的清晨寝室床铺上独自醒着，突然想起在青旅的哪只依偎着我睡着的小奶猫，此时此刻好像想摸摸它呀，周末看看能不能抽空去撸个猫啊。

今天要讲解的文章是ICRA2013的《Anytime Solution Optimization for Sampling-Based Motion Planning 》

作者Ryan Luna是个快要毕业的Ph.D（2012.8-2016.5）是OMPL的早期贡献者之一，很腻害。主页链接最右边是老板是Lydia E. Kavraki @Rice University ，PRM作者，实验室链接

路径规划问题，简单来讲是一个从起始点到终点寻找一条无碰路径的问题。

对于高维系统，基于采样的方法是应用得最典型的。但是这些方法通常没有考虑到路径的长度，是sub-optimal的。这种可以用post-processing的方式解决。

留坑待补
1.shortcutting
2.hybridization
（这两种方法在后处理方法里面的位置，他们俩的联系，为什么结合起来效果会好）
3.online optimizaiton
4.asymptocially optimal
（anytime的方法的随时表现在哪里，怎么实现的随时。和增量式方法的区别。优劣适应场合）

anytime path shortening
1.demo code
OMPL值得探索啊，http://ompl.kavrakilab.org/ ,看到下面这个小图有木有很兴奋。
没错，就是这篇论文的算法！

2.算法流程
3.实验

哦，对了，今天组会只讲了7分钟，我也是厉害。