[論文レビュー] A Pareto Optimal D* Search Algorithm for Multiobjective Path Planning

Alexander Lavin|arXiv (Cornell University)|Nov 3, 2015

Robotic Path Planning Algorithms参考文献 12被引用数 6

ひとこと要約

本稿では、マルチオブジェクティブパスプランニングにおけるモバイルロボティクス向けに、Pareto最適なD*探索アルゴリズムD*-POを提案する。Pareto最適性をD*フレームワークに統合することで、各ステップで支配されない解が保証され、5つのパスコスト目的（距離、エネルギー、時間、放射線被曝、地形の粗さ）を有する火星探査車のシミュレーションにおいて、従来のA*およびD*を上回る性能を発揮する。

ABSTRACT

Path planning is one of the most vital elements of mobile robotics, providing the agent with a collision-free route through the workspace. The global path plan can be calculated with a variety of informed search algorithms, most notably the A* search method, guaranteed to deliver a complete and optimal solution that minimizes the path cost. D* is widely used for its dynamic replanning capabilities. Path planning optimization typically looks to minimize the distance traversed from start to goal, but many mobile robot applications call for additional path planning objectives, presenting a multiobjective optimization (MOO) problem. Common search algorithms, e.g. A* and D*, are not well suited for MOO problems, yielding suboptimal results. The search algorithm presented in this paper is designed for optimal MOO path planning. The algorithm incorporates Pareto optimality into D*, and is thus named D*-PO. Non-dominated solution paths are guaranteed by calculating the Pareto front at each search step. Simulations were run to model a planetary exploration rover in a Mars environment, with five path costs. The results show the new, Pareto optimal D*-PO outperforms the traditional A* and D* algorithms for MOO path planning.

研究の動機と目的

• 複数の対立する目的が存在するマルチオブジェクティブパスプランニング（MOO）において、従来のA*およびD*アルゴリズムの限界を解決すること。
• 不確実または変化する環境を走行するモバイルロボットにとって不可欠な、リアルタイムでPareto最適性を維持する動的リプランニングアルゴリズムを開発すること。
• 各検索ステップで支配されない解が計算されることを保証し、標準的なMOOアプローチで一般的な部分最適な妥協を避けること。
• 距離、エネルギー、時間、放射線被曝、地形の粗さなど、複数の基準を同時に最適化する必要があるアプリケーションにおける、効率的で段階的なパスプランニングを可能にすること。
• 多様な運用制約をバランスさせる必要があるため、惑星探査ロボティクスにおけるスケーラブルで頑健なソリューションを提供すること。

提案手法

• 検索中に各ノードで支配されないパスの集合を維持することで、D*アルゴリズムにPareto最適性を統合する。
• 各検索ステップで、複数のコスト関数に基づいてパスのParetoフロントを計算・保存し、すべての目的で他を支配する解がないことを保証する。
• 新しい情報（例：地形の変化）が到着した際に、パスコストを動的に更新するための優先度キューを用いて、ゴール方向への探索をガイドする。
• 最良の妥協を推定するマルチオブジェクティブなヒューリスティック関数を統合し、動的条件下でも最適性を保持する。
• ノード拡張時に支配チェックを実行し、支配されないパスのみをフィルタリング・保持することで、解集合が常にPareto最適であることを保証する。
• D*の段階的性質を活用し、新たな障害物やコスト変更が検出された際に、完全再計算なしに効率的にリプランニングを実行する。

実験結果

リサーチクエスチョン

• RQ1 D*アルゴリズムは、動的でマルチオブジェクティブなパスプランニングの状況において、Pareto最適性を維持できるか？
• RQ2 提案されたD*-POアルゴリズムの性能は、A*および標準D*と比較して、マルチオブジェクティブパスプランニングにおける解の質においてどのように異なるか？
• RQ3 従来のアルゴリズムと比較して、D*-POは環境変化の動的条件下でも支配されない解をどの程度効果的に保持できるか？
• RQ4 D*フレームワーク内でParetoフロントを維持する際の計算オーバーヘッドは何か？また、リアルタイムのロボティクスアプリケーションにおいて実用的か？
• RQ5 D*-POは、距離、エネルギー、地形の粗さといった複数のパス目的を、シミュレートされた火星探査環境で効果的にバランスさせられるか？

主な発見

• D*-POアルゴリズムは、各ノードでParetoフロントを計算・更新することで、検索プロセス全体を通じてPareto最適性を成功裏に維持した。
• 惑星探査ローバーのシミュレーションにおいて、D*-POはA*および標準D*を上回り、優れた妥協解を提供した。
• アルゴリズムは距離、エネルギー、時間、放射線被曝、地形の粗さという5つのパスコスト目的において、支配されない解を達成した。
• 環境変化が発生した際、最小限の再計算で効果的な動的リプランニングを示し、解の質を維持した。
• 結果から、D*にPareto最適性を統合することは、リアルタイム性能を損なわず、マルチオブジェクティブな状況における解の質を著しく向上させることを示している。
• 支配されないパスの集合を維持できる能力により、意思決定者はミッションプランニングのための包括的な妥協フロントにアクセスできる。