[論文レビュー] Autonomous Exploration Development Environment and the Planning Algorithms

Chao Cao, Hongbiao Zhu+5 more|arXiv (Cornell University)|Oct 27, 2021

Mobile Agent-Based Network Management被引用数 7

ひとこと要約

本論文は、地上車両における3次元LiDARベースのナビゲーションを目的とした、統合されたTAREおよびFARプランナを備えたオープンソースの自律探索開発環境（AED-E）を提示する。このシステムは、ハイレベルな計画立案、地形走破可能性分析、ウェイポイント追従を可能にし、DARPAサブターレイナリアンチャレンジのような複雑な環境において完全自律走行を実現した。CMU-OSUチームは28セクタのうち26セクタを探索した。

ABSTRACT

Autonomous Exploration Development Environment is an open-source repository released to facilitate the development of high-level planning algorithms and integration of complete autonomous navigation systems. The repository contains representative simulation environment models, fundamental navigation modules, e.g., local planner, terrain traversability analysis, waypoint following, and visualization tools. Together with two of our high-level planner releases -- TARE planner for exploration and FAR planner for route planning, we detail usage of the three open-source repositories and share experiences in the integration of autonomous navigation systems. We use DARPA Subterranean Challenge as a use case where the repositories together form the main navigation system of the CMU-OSU Team. In the end, we discuss a few potential use cases in extended applications.

研究の動機と目的

• 自律ナビゲーションシステムにおけるハイレベルな計画アルゴリズムの開発・デプロイ用に再利用可能でオープンソースのソフトウェアスタックを提供すること。
• 写真実体験的なシミュレーション環境と実センサー互換モジュールを提供することで、シミュレーションと実世界のデプロイのギャップを埋めること。
• 拡張可能でモジュラーかつデプロイ可能なナビゲーションコンポONENTを通じて、ビジョンベースおよび意味的ナビゲーション分野の先端的研究を支援すること。
• プランナと行動エグゼクティブ、共有状態管理を統合することで、マルチロボット連携とミックスド・イニシアチブナビゲーションを可能にすること。
• 真の意味でのセマンティックセグメンテーションなどの現実的でないシミュレーションデータに依存しないようにすることで、実世界へのデプロイを容易にすること。

提案手法

• AED-Eリポジトリは、シミュレーション環境モデル、ローカルプランナ、地形走破可能性分析、ウェイポイント追従モジュールを備えたミッドレイヤナビゲーションスタックを提供する。
• TAREプランナは、3次元LiDARデータと幾何的パスプランニングを用いて未知の環境に最適化された自律探索を可能にする。
• FARプランナは、複数ロボットの探索データから構築されたスパarsなレコールドを用いて長距離ルート計画をサポートし、遠く離れた場所間の効率的移動を可能にする。
• システムは標準化されたインターフェースを通じて状態推定および運動制御レイヤーと統合され、地上車両における実世界でのデプロイを可能にする。
• 写真実体験的なMatterport3Dベースの住宅モデルが、セマンティックグランドトゥルースを備えた実世界の屋内環境をシミュレートするためにサポートされる。
• 行動エグゼクティブの下で、複数のプランナ（TAREによる探索、FARによる移動）の並列実行が可能であり、動的タスク切り替えを実現する。

Figure 1: Our repositories form the mid-layer and top layer in a three-tier navigation system. Users can integrate the repositories in real systems using the interface to bottom layer, i.e., state estimation and motion control, or run the repositories in simulation using the environment models.

実験結果

リサーチクエスチョン

• RQ1 地上車両のシミュレーションと実世界デプロイの両方をサポートするモジュラーでオープンソースのナビゲーションスタックをどのように設計できるか？
• RQ2 非構造的環境における頑健な自律ナビゲーションを可能にするために、地形走破可能性分析が果たす役割は何か？
• RQ3 TAREやFARのようなハイレベルプランナをどのように統合することで、複雑で多様な地形を有する環境における探索と長距離移動を両立できるか？
• RQ4 セマンティックグランドトゥルースを備えた写真実体験的なシミュレーション環境は、ビジョンベースナビゲーションポリシーの学習をどの程度支援できるか？
• RQ5 共有探索マップと協調的計画を用いて、自律ナビゲーションシステムにおけるマルチロボット連携をどのように達成できるか？

主な発見

• CMU-OSUチームはDARPAサブターレイナリアンチャレンジで「最多セクタ探索賞」を受賞し、トンネル、都市、洞窟環境を含む28セクタのうち26セクタを自律的に探索した。
• サツップ核発電所の都市コースで、1台の車両がTAREプランナのみを用いて886メートルを1458秒間走行し、完全な探索を達成した。
• ルイジルビル・メガケイバー最終戦では、3台の車両が合計1,541.6メートル（それぞれ596.6メートル、499.8メートル、445.2メートル）を2259秒間走行し、TAREおよびFARプランナを順次使用した。
• システムは動的タスク切り替えを成功裏に実現した：車両はFARプランナで長距離移動（例：AからB、またはスタートからC）を実行し、新規領域ではTAREプランナで探索を実施した。
• Matterport3Dモデルとセマンティックグランドトゥルースの統合により、自己教師付きのスーパービジョンを用いたビジョンベースナビゲーションポリシーの訓練に正確なシミュレーションが可能になった。
• システムのモジュラー設計により、実車両へのスムーズなデプロイが可能であり、共有探索状態とレコールド統合を用いたマルチロボット連携においても効果的に機能した。

(a) Campus