[論文レビュー] EGO-Swarm: A Fully Autonomous and Decentralized Quadrotor Swarm System in Cluttered Environments

Xin Zhou, Jiangchao Zhu+3 more|arXiv (Cornell University)|Nov 9, 2020

Robotic Path Planning Algorithms参考文献 25被引用数 12

ひとこと要約

本論文では、外部の局所化や事前構築された地図に依存せず、搭載センサーや計算資源のみを用いて、未知の複雑な環境においてリアルタイムでナビゲーションを可能にする完全に自律的で分散型のマルチドローン・スワームシステム、EGO-Swarmを提示する。勾配ベースのローカルプランナと軽量なトポロジカルパス探索、および軌道共有による分散型相互衝突回避を統合することで、1つの軌道計算が5ms未塔、通信障害に強く、正確な相対位置推定を実現。シミュレーションおよび実環境の森林・屋内飛行実験（最大10機）で検証された。

ABSTRACT

This paper presents a decentralized and asynchronous systematic solution for multi-robot autonomous navigation in unknown obstacle-rich scenes using merely onboard resources. The planning system is formulated under gradient-based local planning framework, where collision avoidance is achieved by formulating the collision risk as a penalty of a nonlinear optimization problem. In order to improve robustness and escape local minima, we incorporate a lightweight topological trajectory generation method. Then agents generate safe, smooth, and dynamically feasible trajectories in only several milliseconds using an unreliable trajectory sharing network. Relative localization drift among agents is corrected by using agent detection in depth images. Our method is demonstrated in both simulation and real-world experiments. The source code is released for the reference of the community.

研究の動機と目的

• 外部の局所化や事前構築された地図に依存せず、障害物が多様な未知の環境をナビゲートできる完全に自律的かつ分散型のマルチドローン・スワームシステムの開発。
• 通信の不安定さ、相対位置推定のずれ、マルチロボットナビゲーションにおける動的実行可能性の課題に、搭載処理のみを用いて対処すること。
• 単一ロボット用のEGO-Plannerを、最小限の計算コストと高い通信障害耐性を備えたスケーラブルなスワームフレームワークに拡張すること。
• 最小限の協調コストで、分散制御下でもリアルタイムかつ安全で滑らかな軌道生成を実現すること。
• シミュレーションおよび実環境（密集した森や屋内障害物コースなど）でのシステム性能の検証。

提案手法

• 衝突リスクを非線形最適化問題のペナルティ項としてモデル化する勾配ベースのローカルプランニングフレームワークを採用し、動的実行可能性と滑らかな軌道を保証する。
• 計算コストをほとんど増加させずに局所的最小値から脱出できる軽量で暗黙的なトポロジカルパス探索を統合し、非凸環境における頑丈さを向上。
• 予測されたエージェント分布と将来の軌道状態を比較する重み付きペナルティ項を目的関数に追加することで、分散型の相互衝突回避を実現。
• データ送信量を削減し、不安定な通信リンクに耐えるために、ブロードキャストネットワークを介した非同期な軌道共有を実施。
• 周囲のエージェントの深度画像観測と軌道予測の比較を用いて、相対位置推定のずれを補正し、正確な相対姿勢推定を可能にする。
• モーションキャプチャや集中型計算に依存せず、搭載されたセンシング、計画、制御モジュールを活用することで完全な自律性を実現。

実験結果

リサーチクエスチョン

• RQ1 完全に分散型かつ自律的なマルチドローン・スワームは、外部のセンサーや地図に依存せず、搭載センサーや計算資源のみを用いて、未知の複雑な環境をナビゲートできるか？
• RQ2 通信が不安定で相対位置推定のずれがある状況下でも、分散型スワームは安全で滑らかで動的実行可能な軌道を維持できるか？
• RQ3 暗黙的なトポロジカルパス探索は、計算コストをほとんど増加させずに複雑な環境における局所的最小値からの脱出にどのような影響を与えるか？
• RQ4 最新の分散型スワームプランナ（DMPC, ORCA, RBP）と比較して、本システムの計算効率、軌道品質、頑丈さの観点での性能はいかがなものか？
• RQ5 オープン環境および障害物が多様な環境において、エージェント数の増加に伴い、本システムの計算時間と性能はどの程度スケーラブルに拡張可能か？

主な発見

• 1エージェントあたりの安全で滑らかで動的実行可能な軌道計算時間が5ms未塔であり、低密度環境では0.49msまで低下した。
• 障害物が多様なシミュレーション（0.42個/m²）において、平均飛行距離は49.4メートル、障害物からの最小安全距離は0.208メートルを記録し、高い安全性と効率性を示した。
• 比較手法（DMPC, ORCA, RBP）と比較して、飛行距離が最短で計算時間も最速であり、軌道品質とリアルタイム実行可能性の両面でEGO-Swarmが優れていることが確認された。
• スケーラビリティ解析により、必要に応じて衝突チェックを行う戦略のおかげで、エージェント数の増加に伴い1エージェントあたりの計算時間が平坦化し、効率的なO(n)スケーリング特性を示した。
• 実環境の森および屋内環境での実験により、頑丈な性能が確認された：3機のドローンが密集した木の群れと狭い通路を相互衝突回避を実行しながら正常にナビゲートした。特に、目的地を入れ替えることで相互回避を強制しても安定して飛行を維持した。
• 通信障害および相対位置推定のずれに対しても耐性を示し、外部の局所化支援なしに安定したナビゲーションを維持した。