[論文レビュー] Efficient Reciprocal Collision Avoidance between Heterogeneous Agents Using CTMAT

Yuexin Ma, Dinesh Manocha+1 more|arXiv (Cornell University)|Apr 7, 2018

Robotic Path Planning Algorithms参考文献 40被引用数 6

ひとこと要約

本稿では、異種エージェント向けの新しい中線に基づく表現であるCTMATを提案し、非保守的で効率的な相互衝突回避を可能にする。エージェントを円弧と線分のタプルとしてモデル化し、事前計算されたミンコフスキー和を用いることで、MATRVOアルゴリズムは円形／楕円形手法と同等のリアルタイム性能を達成するとともに、密集状況では誤検出率を最大90％まで低減する。

ABSTRACT

We present a novel algorithm for reciprocal collision avoidance between heterogeneous agents of different shapes and sizes. We present a novel CTMAT representation based on medial axis transform to compute a tight fitting bounding shape for each agent. Each CTMAT is represented using tuples, which are composed of circular arcs and line segments. Based on the reciprocal velocity obstacle formulation, we reduce the problem to solving a low-dimensional linear programming between each pair of tuples belonging to adjacent agents. We precompute the Minkowski Sums of tuples to accelerate the runtime performance. Finally, we provide an efficient method to update the orientation of each agent in a local manner. We have implemented the algorithm and highlight its performance on benchmarks corresponding to road traffic scenarios and different vehicles. The overall runtime performance is comparable to prior multi-agent collision avoidance algorithms that use circular or elliptical agents. Our approach is less conservative and results in fewer false collisions.

研究の動機と目的

• 密なまたは複雑な環境において、円形および楕円形エージェント近似の限界が引き起こす高い誤検出率の衝突率を是正すること。
• サイズやアスペクト比が異なる（例：自動車、バス、歩行者など）異種エージェントの形状を正確に捉える幾何的表現を開発すること。
• 従来手法と比較して保守的でない一方で、リアルタイム性能を維持する相互衝突回避アルゴリズムを設計すること。
• 事前計算と局所的向き更新を最適化することで、数千人のエージェントのインタラクティブシミュレーションを可能にすること。

提案手法

• エージェントごとの中線変換（MAT）を簡略化し、隣接する中線円の間で線形補間を用いて、2つの円弧と2つの線分からなるタプルを形成することで、コンact CTMAT表現を構築する。
• 各エージェントの衝突幾何をこれらのCTMATタプルで表現し、速度障害物ベースの衝突回避における正確で効率的なミンコフスキー和計算を可能にする。
• 相互速度障害物（RVO）フレームワークを適用し、CTMATタプル間のペアワイズ衝突チェックを低次元の線形計画法に削減する。
• CTMATタプルと幅テーブルのミンコフスキー和を事前計算し、軌道計算中の実行時パフォーマンスを高速化する。
• ナビゲーション中にエージェントの向きを局所的に更新することで、グローバルな再計画なしに滑らかで衝突のない軌道を維持する。
• 正確な多角形衝突チェックを基準として用い、ORCAおよびERVOとの誤検出率を検証する。

実験結果

リサーチクエスチョン

• RQ1 円形または楕円形近似と比較して、中線に基づく表現は異種エージェントのマルチエージェント衝突回避において、保守的でないか？
• RQ2 CTMATに基づくアルゴリズムの計算パフォーマンスは、ORCA や ERVO といった最先端手法と比較して、フレーム更新時間およびスケーラビリティの観点でどの程度優れているか？
• RQ3 CTMAT表現は、密集した交通状況において、誤検出の衝突検出をどの程度低減できるか？
• RQ4 事前計算されたミンコフスキー和と幅テーブルは、大規模マルチエージェントシミュレーションにおける衝突回避を顕著に高速化できるか？
• RQ5 局所的向き更新メカニズムは、複雑な環境において滑らかで衝突のない軌道を維持するために、どの程度効果的か？

主な発見

• 1つのタプルを1エージェントに使用するMATRVOアルゴリズムは、ORCA（円形エージェント）の1.5～2倍の速度で実行され、ERVO（楕円形エージェント）の2倍速で動作し、1つのCPUコアでもインタラクティブなパフォーマンスを達成した。
• 事前計算なしでは、1つのタプルを持つ2つのCTMAT間の衝突回避は、1クエリあたり約20マイクロ秒で実行された。
• アンチポーラ・サークルベンチマークにおいて、MATRVOは誤検出率を8.5～9.8％にまで低減したのに対し、ERVOおよびORCAはそれぞれ37.9～60.4％であった。
• CTMAT表現により、円形および楕円形エージェントが過剰に保守的であるために失敗するような狭い通路やドアウェイでも、正常なナビゲーションが可能になった。
• 事前計算を用いたMATRVOは、ORCAの最大2倍の遅さに留まり、最大1,000人のエージェントを含む大規模シミュレーションにおいても良好なスケーラビリティを示した。
• 本アルゴリズムは、対向する方向から500人のエージェントが移動する複雑な交通状況や、4つの正方形からなるシーンを160人のエージェントがナビゲートする状況を含め、すべての軌道が衝突なしにシミュレートされた。