본 논문은 샘플링 기반 기법과 탐색 기반 기법을 결합한 로봇 매니퓰레이터의 모션 플래닝 알고리즘을 제안한다. 핵심 기여는 그래프 탐색 알고리즘 내에서 적응적 모션 프리미티브로 자유 구성 공간(C-space)의 버스트(bursts)를 사용하는 것이다. 자유 C-space에서 적응적으로 확장되는 버스트의 특징으로 인해 고정 크기의 모션 프리미티브에 비해 구성 공간 탐색 효율이 향상되어 유효한 경로를 찾는 시간과 필요한 확장 횟수가 크게 감소한다. 알고리즘은 기존 SMPL(Search-Based Motion Planning Library) 라이브러리에 구현되었으며, 다양한 자유도(DoF)와 환경 복잡성을 가진 매니퓰레이터를 포함하는 여러 시나리오를 통해 평가되었다. 결과는 복잡한 시나리오, 특히 고자유도 매니퓰레이터에서 버스트 기반 접근 방식이 고정 프리미티브 플래닝을 능가하며, 단순한 시나리오에서는 비슷한 성능을 달성함을 보여준다.
