[論文レビュー] A Collision Cone Approach for Control Barrier Functions

Manan Tayal, Bhavya Giri Goswami+6 more|arXiv (Cornell University)|Mar 11, 2024

Robotic Path Planning Algorithms被引用数 4

ひとこと要約

本論文は、衝突円すいの幾何学的性質と制御バリア関数を統合することで、有人でない地上および航空機の衝突回避を保証する、新規のリアルタイム安全フレームワークである衝突円すい制御バリア関数（C3BFs）を提案する。相対速度を衝突円すいに含まれない領域に制約することで、二次計画法に基づく制御により、保守的でない安全なナビゲーションが可能となり、TurtleBot、Stoch-Jeep、Crazyflie 2.1ドローンにおいて、高次元のCBFよりも優れた性能が実証された。

ABSTRACT

This work presents a unified approach for collision avoidance using Collision-Cone Control Barrier Functions (CBFs) in both ground (UGV) and aerial (UAV) unmanned vehicles. We propose a novel CBF formulation inspired by collision cones, to ensure safety by constraining the relative velocity between the vehicle and the obstacle to always point away from each other. The efficacy of this approach is demonstrated through simulations and hardware implementations on the TurtleBot, Stoch-Jeep, and Crazyflie 2.1 quadrotor robot, showcasing its effectiveness in avoiding collisions with dynamic obstacles in both ground and aerial settings. The real-time controller is developed using CBF Quadratic Programs (CBF-QPs). Comparative analysis with the state-of-the-art CBFs highlights the less conservative nature of the proposed approach. Overall, this research contributes to a novel control formation that can give a guarantee for collision avoidance in unmanned vehicles by modifying the control inputs from existing path-planning controllers.

研究の動機と目的

• 既存の制御バリア関数が動的障害物を扱う際に抱える限界と、幾何的直観の欠如を解決すること。
• 地上（UGV）および航空（UAV）両方の車両に適用可能な統一的でリアルタイムな安全フレームワークを開発すること。
• 相対速度制約に基づく幾何的直観に基づいたアプローチを用いて、形式的な衝突回避保証を提供すること。
• 動的障害物環境下での実行可能性と安全性において、最先端の高次元CBFを上回ること。
• 多様なロボットプラットフォームを用いたシミュレーションとハードウェア実験を通じて、手法を検証すること。

提案手法

• 衝突円すいの幾何的概念に基づく、新たな制御バリア関数のクラスを定式化し、車両と障害物の相対速度が円すいから遠ざかるように保証する。
• ユニサイクル、バイク、クアッドローターの動的モデルに適応したCBF-QP定式化を導出することで、リアルタイムで安全な制御入力を計算する。
• 既存のパスプランナに上書きして動作する高速でリアルタイムなコントローラとして機能する安全フィルタアーキテクチャを採用する。
• 点質量、ユニサイクル、バイク、クアッドローターのモデルに、静的および動的障害物を含めて適用する。
• 安全集合の前向き不変性を保証するために、C3BF制約を強制しながら制御入力を最適化するための二次計画法を用いる。
• PyBulletシミュレーションと、TurtleBot3、Stoch-Jeep、Crazyflie 2.1のハードウェア実験を用いてフレームワークを検証し、モーションキャプチャを用いた状態推定を実施する。

実験結果

リサーチクエスチョン

• RQ1 幾何的直観に基づいたCBF定式化は、動的障害物回避における安全性を向上させるとともに、保守的でない性能を実現できるか？
• RQ2 提案手法のC3BFアプローチは、実行可能性と衝突回避性能において、高次元CBF（HO-CBFs）と比較してどのように異なるか？
• RQ3 C3BF-QPフレームワークは、UGVおよびUAVを含む多様なロボットプラットフォームにおいて、リアルタイムの安全保証を確保できるか？
• RQ4 複数の静的および動的障害物を含む複雑なシナリオにおいて、同手法はロバストネスを維持できるか？
• RQ5 異なる運動学的特性を有する多様な車両モデルに、同一の安全フィルタを一様に適用可能か？

主な発見

• C3BFアプローチは、TurtleBot3、Stoch-Jeep、Crazyflie 2.1におけるシミュレーションおよびハードウェア実験の両方で、動的障害物を効果的に回避した。
• C3BF-QPコントローラは、長大な円柱型および球形の静的障害物を含むマルチオブジェクト環境でも、優れたロバストネスを示した。
• 本手法は、高次元CBF（HO-CBFs）を上回り、高速に接近する障害物を回避できず、投影型CBFのケースでは長大な障害物に対し困難をきたしていた。
• ハードウェア実験では、モーションキャプチャとオンボードフィルタリングを用いて、制御命令が100 Hzで計算・送信可能であることが確認された。
• 同じ安全フィルタを用いたマルチエージェントシナリオでも、安全な軌道を維持した。これにより、スケーラビリティとロバストネスが示された。
• C3BFフレームワークは形式的な安全保証を提供するとともに、既存のCBFベース手法よりも保守的でない。