[論文レビュー] EVA-Planner: Environmental Adaptive Quadrotor Planning

Lun Quan, Zhiwei Zhang+3 more|arXiv (Cornell University)|Nov 9, 2020

Robotic Path Planning Algorithms参考文献 17被引用数 4

ひとこと要約

本論文は、環境リスクをリアルタイムで評価し、障害物の密度と運動傾向に基づいて飛行の攻撃的度合いを動的に調整する、環境に適応する多旋回ローター用経路計画手法EVA-Plannerを提案する。マルチレイヤー型モデル予測制御（Multi-MPCC）フレームワークを用い、環境リスク評価とリアルタイムの運動ダイナミクスを統合することで、複雑な3次元環境においてより安全で滑らかで高速な経路を実現した。シミュレーションおよび実世界のテストにおいて、従来の適応型計画法を上回り、困難な屋内および屋外シナリオで100%の成功を収めた。

ABSTRACT

The quadrotor is popularly used in challenging environments due to its superior agility and flexibility. In these scenarios, trajectory planning plays a vital role in generating safe motions to avoid obstacles while ensuring flight smoothness. Although many works on quadrotor planning have been proposed, a research gap exists in incorporating self-adaptation into a planning framework to enable a drone to automatically fly slower in denser environments and increase its speed in a safer area. In this paper, we propose an environmental adaptive planner to adjust the flight aggressiveness effectively based on the obstacle distribution and quadrotor state. Firstly, we design an environmental adaptive safety aware method to assign the priority of the surrounding obstacles according to the environmental risk level and instantaneous motion tendency. Then, we apply it into a multi-layered model predictive contouring control (Multi-MPCC) framework to generate adaptive, safe, and dynamical feasible local trajectories. Extensive simulations and real-world experiments verify the efficiency and robustness of our planning framework. Benchmark comparison also shows superior performances of our method with another advanced environmental adaptive planning algorithm. Moreover, we release our planning framework as open-source ros-packages.

研究の動機と目的

• 既存の多旋回ローター計画法に見られる自己適応的飛行攻撃的度合いの欠如に取り組むこと。特に、動的かつ密集した環境において。
• 高リスク領域（例：密集した森）では自動的に減速し、開放空間では加速する計画法を開発すること。
• 滑らかさ、動的実行可能性、障害物なしの運動を維持しながら、リアルタイム性能を確保すること。
• 広範なシミュレーションおよび実世界実験を通じて、計画法の頑健性と効率性を検証すること。
• 研究の広がりを考慮し、ROSパッケージとしてフレームワークをオープンソースで公開すること。

提案手法

• 環境に適応する安全意識型メカニズムを導入し、ユークリッド距離変換（EDT）の勾配と多旋回ローターの瞬時の速度ベクトルに基づいて障害物の優先順位を割り当てる。
• EDTの勾配と運動傾向を用いて環境リスクレベルを計算し、周囲の障害物に対するリアルタイムな危険度評価を可能にする。
• リスク意識型障害物優先順位付けを経路生成に統合する、マルチレイヤー型モデル予測コーナリング制御（Multi-MPCC）フレームワークを採用する。
• 安全、攻撃的度合い、滑らかさを最適化することで、リアルタイムに局所最適で滑らかで動的実行可能な経路を生成する。
• 非線形最適化にNLoptを使用し、各MPCレイヤーあたり10ms未満の計算時間確保を実現し、リアルタイム動作を可能にする。
• システムはオンボードに実装され、複雑な屋内および屋外シナリオを含む、シミュレーションおよび実世界環境でテストされた。

実験結果

リサーチクエスチョン

• RQ1 多旋回ローター計画法は、リアルタイムの環境リスクと運動状態に基づいて、どのように飛行の攻撃的度合いを動的に調整できるか？
• RQ2 運動傾向とEDT勾配を統合することで、障害物優先順位付けと経路の安全性にどのような影響を与えるか？
• RQ3 統一されたマルチレイヤー型MPCフレームワークは、環境密度の変動に応じて滑らかで安全かつ動的実行可能な経路を生成できるか？
• RQ4 SDDMなどの最先端の適応型計画法と比較して、EVA-Plannerは速度、安全性、適応性の面でどのように優れているか？
• RQ5 限られたセンサ視界の複雑な未知の環境において、計画法の実世界での性能はいかがなものか？

主な発見

• EVA-Plannerは、密集した木々や開放空間を通過する10回の繰り返し屋外飛行において100%の成功率を達成し、未知の実世界環境における頑健性を実証した。
• 狭いゲートテストでは、SDDMと比較してEVA-Plannerがより合理的な速度プロファイルを示し、不必要な慎重さを回避する滑らかな減速・加速を実現した。
• ベンチマーク結果から、EVA-Plannerは障害物密度が異なる条件下でSDDMと比較し、平均実行時間を7.5%から22.5%まで短縮した。密度が高くなるほど性能差が拡大した。
• 最適化時間がMPCレイヤーあたり10ms未満を維持したため、リアルタイム性能を確保し、オンボード実行を可能にした。
• 突然現れる障害物がある複雑な屋内シナリオでは、非適応型バージョンが3回中2回失敗したのに対し、EVA-Plannerは安全に回避を実現した。
• 本手法により、開放空間では最大速度で飛行し、高リスクゾーンでは適切に減速するという、適応的攻撃的度合いの実現に成功した。