[論文レビュー] AUV Rendezvous Online Path Planning in a Highly Cluttered Undersea Environment Using Evolutionary Algorithms

Somaiyeh Mahmoud Zadeh, Amirmehdi Yazdani+2 more|arXiv (Cornell University)|Apr 24, 2016

Robotic Path Planning Algorithms参考文献 32被引用数 19

ひとこと要約

本稿では、複雑な障害物が多数存在する海底環境において自律型水中機（AUV）がリーダー車両と合流するためのオンライン経路計画フレームワークを、進化計算を用いて提案する。合流問題を非線形最適制御問題（NOCP）として定式化し、ペナルティ関数法を適用することで、PSO、BBO、DE、およびフレイアアルゴリズムを用いて、動的障害物や海流に適応可能な強固で反応性の高い経路を生成する。シミュレーションにおいて、顕著な効率性と耐障害性を示した。

ABSTRACT

In this study, a single autonomous underwater vehicle (AUV) aims to rendezvous with a submerged leader recovery vehicle through a cluttered and variable operating field. The rendezvous problem is transformed into a nonlinear optimal control problem (NOCP) and then numerical solutions are provided. A penalty function method is utilized to combine the boundary conditions, vehicular and environmental constraints with the performance index that is final rendezvous time.Four evolutionary based path planning methods namely particle swarm optimization (PSO), biogeography-based optimization (BBO), differential evolution (DE) and Firefly algorithm (FA) are employed to establish a reactive planner module and provide a numerical solution for the proposed NOCP. The objective is to synthesize and analysis the performance and capability of the mentioned methods for guiding an AUV from loitering point toward the rendezvous place through a comprehensive simulation study.The proposed planner module entails a heuristic for refining the path considering situational awareness of underlying environment, encompassing static and dynamic obstacles overwhelmed in spatiotemporal current vectors.This leads to accommodate the unforeseen changes in the operating field like emergence of unpredicted obstacles or variability of current vector filed and turbulent regions. The simulation results demonstrate the inherent robustness and significant efficiency of the proposed planner in enhancement of the vehicle's autonomy in terms of using current force, coping undesired current disturbance for the desired rendezvous purpose. Advantages and shortcoming of all utilized methods are also presented based on the obtained results.

研究の動機と目的

• 複雑で動的な海底環境において、自律型水中機（AUV）がリーダー車両と安全かつ効率的に合流できるようにすること。
• 予測不能な障害物や変動する海流といった不確実な条件下でのリアルタイム経路計画の課題に対処すること。
• 空間的・時間的環境変化の状況認識を統合した、反応性の高いオンラインプランナを構築すること。
• 非線形最適制御問題としてのAUV合流を解くために、複数の進化計算アルゴリズムの性能を評価・比較すること。
• 海流の力を活用し、撹乱を低減することで、AUVの自律性を向上させ、ミッション成功確率を向上させること。

提案手法

• AUVの運動特性、境界条件、環境要因を制約とする非線形最適制御問題（NOCP）に合流問題を変換する。
• 境界条件、車両制約、環境障害物を性能指標に統合するためにペナルティ関数法を用いる。
• 粒子群最適化（PSO）、バイオジオグラフィーに基づく最適化（BBO）、差分進化（DE）、フレイアアルゴリズム（FA）の4つの進化計算アルゴリズムを用いてNOCPを数値的に解く。
• リアルタイムの状況認識を統合し、新たに検出された障害物や海流場の変化に応じて経路を動的に調整する。
• 継続的な環境データの更新に基づいて解を再計算することで、オンラインでの再計画を可能にするアルゴリズムフレームワークを構築する。
• 実際の条件下で耐障害性と適応性を検証するため、非常に複雑で変動する海底環境でシミュレーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 進化計算アルゴリズムは、非常に複雑な海底環境において、実行可能で最適なAUV経路をどれほど効果的に生成できるか？
• RQ2 提案されたプランナは、突然現れる障害物や変化する海流といった予期しない環境変化に、どの程度適応できるか？
• RQ3 PSO、BBO、DE、FAの4つの進化計算アルゴリズムの中で、収束速度、解の品質、耐障害性の観点から、オンラインAUV経路計画において優れた性能を示すのはどれか？
• RQ4 海流の力の活用統合は、経路効率性とミッション成功確率にどのように寄与するか？
• RQ5 リアルタイムの状況認識の統合は、プランナが動的障害物を回避し、合流目標を維持する能力にどのような影響を与えるか？

主な発見

• 提案されたプランナは、静的および動的障害物が存在する中でも、複雑な環境においてもAUVを合流地点に安全に誘導でき、高い耐障害性を示した。
• PSO、BBO、DE、FAの4つの進化計算アルゴリズムすべてが実行可能な解を達成したが、シミュレーション環境ではDEとFAが収束速度と解の品質の両面で優れた性能を示した。
• プランナは有利な海流の力を効果的に活用し、悪影響を及ぼす海流の影響を低減することで、エネルギー効率と経路の安定性を向上させた。
• リアルタイムの状況認識の統合により、動的再計画が可能となり、AUVは急な障害物の出現や海流場の変化に迅速に対応できた。
• ペナルティ関数法は、制約と性能指標を効果的に統合し、NOCP定式化における実行可能性と境界条件の遵守を保証した。
• シミュレーション結果から、プランナが困難な海底ミッションにおけるAUVの自律性を顕著に向上させられることを確認した。