[論文レビュー] Advanced BIT* (ABIT*): sampling-based planning with advanced graph-search techniques

Marlin P. Strub, Jonathan D. Gammell|arXiv (Cornell University)|Feb 16, 2020

Robotic Path Planning Algorithms参考文献 33被引用数 85

ひとこと要約

本稿では、任意の時間性能保証を備えたグラフ探索技術（インフレートおよびトランケート検索を含む）と、任意の時間かつほぼ確実に漸近的に最適なサンプリングベースの近似を組み合わせた、サンプリングベースの経路計画アルゴリズムであるAdvanced BIT*（ABIT*）を提案する。ABIT*は、R4およびR8のような高次元空間において、RRT*、RRT*、BIT*などの既存のシングルクエリプランナーよりも初期解の生成が速く、最適性への収束が向上しており、ナサ/JPL-カリフォルニア工科大学のアックスローバーを用いたモハーヴェ砂漠における実地試験でも実世界での性能を示した。

ABSTRACT

Path planning is an active area of research essential for many applications in robotics. Popular techniques include graph-based searches and sampling-based planners. These approaches are powerful but have limitations.This paper continues work to combine their strengths and mitigate their limitations using a unified planning paradigm. It does this by viewing the path planning problem as the two subproblems of search and approximation and using advanced graph-search techniques on a sampling-based approximation.This perspective leads to Advanced BIT*. ABIT* combines truncated anytime graph-based searches, such as ATD*, with anytime almost-surely asymptotically optimal sampling-based planners, such as RRT*. This allows it to quickly find initial solutions and then converge towards the optimum in an anytime manner. ABIT* outperforms existing single-query, sampling- based planners on the tested problems in ℝ4 and ℝ8, and was demonstrated on real-world problems with NASA/JPL-Caltech.

研究の動機と目的

• 従来のサンプリングベースのプランナの限界、例えばランダムな探索順序と任意の時間性能保証の欠如を解消すること。
• 既存のシングルクエリでほぼ確実に漸近的に最適なプランナを、サンプリングベースのフレームワークに高度なグラフ探索技術を統合することで改善すること。
• 動的インフレートおよびトランケート戦略により、無駄な計算リソースの浪費を避けながら最適解への収束を高速化すること。
• R4およびR8における合成問題と、ナサ/JPL-カリフォルニア工科大学のアックスローバーを用いた実世界の自律走行タスクの両方で、手法の有効性を検証すること。

提案手法

• ABIT*は経路計画問題を2つの部分問題に分離する：近似（段階的サンプリングによる）と探索（高度なグラフ探索技術による）。
• 事前に離散化を行わずに、徐々に密度が高くなるランダム幾何グラフ（RGG）をサンプリングベースの近似によって構築する。
• 探索フェーズでは、ATD*などのトランケート可能な任意の時間グラフ探索アルゴリズムを適用し、高い解品質の可能性を示す状態を優先的に探索する。
• 初期解を迅速に得るため、ゴール方向に偏るようインフレートされたヒューリスティクスを用い、十分な解品質の境界に達した段階で探索を停止（トランケート）する。
• 単一のエッジキューを維持し、オブジェクト指向的に衝突検査済みエッジをキャッシュすることで、実装を簡素化し、重複したチェックを回避する。
• インフレートおよびトランケート要因の柔軟な更新ポリシーにより、近似の精度に応じた動的適応が可能となり、効率的な探索と活用が保証される。

実験結果

リサーチクエスチョン

• RQ1 インフレートおよびトランケートのような高度なグラフ探索技術が、サンプリングベースの計画に効果的に統合可能かどうか。
• RQ2 ABIT*における近似と探索の分離が、RRT* や RRT-Connect におけるサンプリングと探索の結合と比較して、解品質および収束速度にどのように寄与するか。
• RQ3 R8のような高次元空間において、ABIT*が既存のシングルクエリでほぼ確実に漸近的に最適なプランナーよりもどれほど優れているか。
• RQ4 ABIT*が最適性への漸近的保証を維持しながら、初期解の生成を高速化し、無駄な計算を回避できるか。
• RQ5 複雑な地形と動的制約を伴う実世界のロボット経路計画タスクにおいて、ABIT*はどのように性能を発揮するか。

主な発見

• ABIT*は、R4およびR8の両問題において、RRT*、RRT-Connect、RRT#、LBT-RRT、BIT* よりも初期解の品質と収束速度が優れている。
• 壁の隙間問題およびランダムな長方形問題において、ABIT*はBIT*および他の競合他社と比較して中央値の初期解コストが著しく低く、最適解への収束も速い。
• R8におけるランダム長方形問題の最良および最悪のインスタンスにおいて、ABIT*は優れた成功確率と中央値の解コストを示した。最悪ケースでは、LBT-RRT、RRT*、RRT#の成功率は50%未満であった。
• ABIT*は、ナサ/JPL-カリフォルニア工科大学のアックスローバーを用いた1週間の実地試験で、自律走行を成功裏に実現し、実世界での実用性を示した。
• 単純なヒューリスティクス（ゼロインフレート）を使用しても、ABIT*は性能を維持しており、ヒューリスティクスの品質に頑健であることが示された。
• 単一のエッジキューとオブジェクト指向的エッジキャッシュを用いることで、アーキテクチャを簡素化したが、計算効率を損なわず、BIT*と同等の性能を達成した。