[論文レビュー] Computationally-Efficient Roadmap-based Inspection Planning via Incremental Lazy Search

Mengyu Fu, Oren Salzman+1 more|arXiv (Cornell University)|Mar 25, 2021

Robotic Path Planning Algorithms参考文献 50被引用数 6

ひとこと要約

本稿では、カバレッジに配慮したサンプリングと検索作業の再利用を組み合わせたインクリメンタル・ラジカル・サーチ（IRIS）アルゴリズムの拡張版であるIRIS_CLIを提案する。この手法により、計算的に効率的なロードマップベースの点検計画が、カバレッジに配慮したサンプリングと段階的で遅延処理された探索によって高速化される。本手法は、60%の点検カバレッジに到達するまでの計算時間を最大570倍高速化し、漸近的最適性を維持している。橋梁点検および手術用点検シミュレーションにおいて、先行手法を著しく上回っている。

ABSTRACT

The inspection-planning problem calls for computing motions for a robot that allow it to inspect a set of points of interest (POIs) while considering plan quality (e.g., plan length). This problem has applications across many domains where robots can help with inspection, including infrastructure maintenance, construction, and surgery. Incremental Random Inspection-roadmap Search (IRIS) is an asymptotically-optimal inspection planner that was shown to compute higher-quality inspection plans orders of magnitudes faster than the prior state-of-the-art method. In this paper, we significantly accelerate the performance of IRIS to broaden its applicability to more challenging real-world applications. A key computational challenge that IRIS faces is effectively searching roadmaps for inspection plans -- a procedure that dominates its running time. In this work, we show how to incorporate lazy edge-evaluation techniques into \iris's search algorithm and how to reuse search efforts when a roadmap undergoes local changes. These enhancements, which do not compromise IRIS's asymptotic optimality, enable us to compute inspection plans much faster than the original IRIS. We apply IRIS with the enhancements to simulated bridge inspection and surgical inspection tasks and show that our new algorithm for some scenarios can compute similar-quality inspection plans 570x faster than prior work.

研究の動機と目的

• ロードマップが密度を増すにつれて、グラフ探索における計算コストの高さに起因する、ロードマップベースの点検計画の高コスト問題に対処すること。
• 解の品質保証を損なわずに、漸近的最適な点検計画者であるIRISの効率を向上させること。
• ロードマップに局所的な変更が加わった際にも、過去の探索作業を再利用することで、グラフ探索における重複計算を削減すること。
• 未確認の注目ポイント（POI）の点検カバレッジを向上させるサンプリングを優先することで、ロードマップ構築を高速化すること。
• 医療内視鏡やUAVを用いたインfra点椀などの時間に敏感な応用において、高速かつ高品質な点検計画を可能にすること。

提案手法

• 新規の注目ポイント（POI）を点検できないサンプリング数を減らすために、ロードマップ構築段階でカバレッジに配慮したサンプリングを導入し、より情報量が多く、コンパクトなロードマップを生成する。
• グラフ探索中に必要な場合にのみ高価なエッジ検証を延期する、洗練された遅延エッジ評価技術を採用し、無駄な計算を削減する。
• ロードマップが段階的に更新された際にも、探索用データ構造と部分的な探索結果を再利用することで、完全に再計算しなおすことを回避する。
• ロードマップが時間とともに密度を増す中で、探索空間が完全に探索され続けることを保証することで、漸近的最適性を維持する。
• これらの技術をIRISフレームワークに統合し、高品質な点検計画への収束を高速化する。
• 前進運動学が高価な柔軟ロボット（例：CRISP）のための設定空間モデルを用い、効率的な探索が不可欠である。

実験結果

リサーチクエスチョン

• RQ1 遅延エッジ評価と探索作業の再利用は、ロードマップベースの点検計画におけるグラフ探索の所要時間を著しく短縮できるか？
• RQ2 カバレッジに配慮したサンプリングは、ロードマップ構築段階でのロードマップ品質をどのように向上させ、無駄なサンプリングを削減するか？
• RQ3 インクリメンタル探索の再利用と遅延評価を組み合わせることで、最適性を損なわず、高品質な点検計画への収束をどの程度高速化できるか？
• RQ4 実世界の点検シナリオにおいて、強化されたIRISアルゴリズムは、元のIRISおよびRRTOTと比較してどの程度の性能を示すか？
• RQ5 提案手法は、医療内視鏡やUAVを用いた橋梁点検などの時間に敏感な応用において、顕著な高速化を達成できるか？

主な発見

• IRIS_CLIは、橋梁点検タスクにおいて、60%の点検カバレッジに到達するまでの計算時間を、先行研究と比較して最大570倍高速化しており、同程度の計画品質を維持している。
• 胸膜腔点検において、IRIS_CLIは元のIRISよりも12%高いカバレッジを達成し、67%のカバレッジに到達するまでの時間が6倍速い。
• 手術シナリオにおいて、IRIS_CLIは元のIRISのグラフ探索時間の3,200倍以上速く、67%のカバレッジに到達している。
• 同じ計算時間内に、元のIRISと比較して23%の点検カバレッジを多く達成しており、効率の向上が裏付けられている。
• 橋梁点検において、IRIS_CLIはRRTOTよりも44%高いカバレッジを達成し、探索効率は830倍向上している（60%カバレッジ時）。
• カバレッジに配慮したサンプリングとインクリメンタル・ラジカル・サーチの組み合わせにより、漸近的最適性を損なわず、顕著な高速化が実現された。