[論文レビュー] Fields2Cover: An open-source coverage path planning library for unmanned agricultural vehicles

Gonzalo Mier, João Valente+1 more|arXiv (Cornell University)|Oct 14, 2022

Soil Mechanics and Vehicle Dynamics被引用数 6

ひとこと要約

Fields2Cover は、農業ロボットにおけるカバレッジパスプランニング（CPP）のためのオープンソースでモジュラーなライブラリであり、統合されたヘッドランド生成、スワッチプランニング、ルート最適化、およびデュービンス／リードス・シープ曲線によるパススムージングを通じて、自律走行車両のパスプランニングを可能にしている。凸型の耕作可能な畝をサポートし、8つの最先端手法および7つの目的関数についてベンチマークを提供しており、AgBotを用いたシミュレーションおよび現地実験を通じて実用性が確認されており、再現可能でコミュニティ主導のCPP研究の発展を著しく促進している。

ABSTRACT

This paper describes Fields2Cover, a novel open source library for coverage path planning (CPP) for agricultural vehicles. While there are several CPP solutions nowadays, there have been limited efforts to unify them into an open source library and provide benchmarking tools to compare their performance. Fields2Cover provides a framework for planning coverage paths, developing novel techniques, and benchmarking state-of-the-art algorithms. The library features a modular and extensible architecture that supports various vehicles and can be used for a variety of applications, including farms. Its core modules are: a headland generator, a swath generator, a route planner and a path planner. An interface to the Robot Operating System (ROS) is also supplied as an add-on. In this paper, the functionalities of the library for planning a coverage path in agriculture are demonstrated using 8 state-of-the-art methods and 7 objective functions in simulation and field experiments.

研究の動機と目的

• 農業ロボット分野における統合的でオープンソースのソフトウェアが不足していることによる、アルゴリズムのベンチマーク化と再現可能性の阻害要因を是正すること。
• 多様な車両、目的関数、計画手法を統合した1つのライブラリ内で、モジュラーかつ拡張可能なソフトウェアフレームワークを提供すること。
• 標準化されたベンチマークツールを用いて、最先端のCPPアルゴリズムの比較を可能にすることで、研究と応用の加速を図ること。
• ROSとの統合とシミュレーションおよび現地実験による性能検証を通じて、実運用環境への展開を支援すること。
• 凸型でない畝や耕作可能な畝を超えたCPP機能の継続的開発と拡張を可能にする、コミュニティ主導のプラットフォームを構築すること。

提案手法

• ライブラリは4つのコアモジュールで構成されている：定幅ヘッドランド生成（constant-width）、ブルートフォース最適化を用いたスワッチ生成、ボウストロフェドニック、スネーク、およびカスタムパターンを用いたルートプランナ、および車両の運動学的制約を満たすデュービンスおよびリードス・シープ曲線によるパスプランナ。
• 各モジュールは少なくとも1つの最先端のアルゴリズムをサポートしており、合計のスワッチ長さやターン数の最小化といった目的関数のカスタマイズが可能である。
• ヘッドランド生成モジュールは、畝の端縁に操舵スペースを確保することで、不要なカバレッジ領域を削減し、全体の効率を向上させる。
• スワッチ生成では、基準ラインと最適化を組み合わせ、合計のスワッチ長さやターン数の最小化といった目的関数を最小化する。
• パスプランニングでは、デュービンス曲線とリードス・シープ曲線を用いて、曲率連続性を満たす滑らかな旋回パスを生成し、車両の運動学的制約を尊重する。
• ライブラリにはROSインターフェースアドオンが含まれており、さまざまな目的関数における計算時間分析も可能であり、カバレッジベースの目的関数では、計算時間は畝の面積に比例して線形に増加することが示された。

実験結果

リサーチクエスチョン

• RQ1 統合的でオープンソースのソフトウェアライブラリは、農業ロボット分野におけるカバレッジパスプランニングアルゴリズムの再現性とベンチマーク化をどのように向上させるか？
• RQ2 カバレッジパスプランニングにおける、さまざまな目的関数の計算性能は、畝の面積や車両の幅にどのように依存するか？
• RQ3 異なるルートプランニングパターン（例：スネーク、ボウストロフェドニック）は、現実の畝環境下でのパス効率と旋回の複雑さにどのように影響を与えるか？
• RQ4 モジュラーかつ拡張可能なソフトウェアアーキテクチャは、多様な車両タイプや農業用途をどれほど効果的にサポートできるか？
• RQ5 運動学的に実現可能な旋回曲線（デュービンス／リードス・シープ）の統合は、パス品質と実運用での実行性にどのように影響を与えるか？

主な発見

• ライブラリは、シミュレーションおよび現地実験の両方で、8つの最先端手法および7つの目的関数を用いて、凸型の耕作可能な畝におけるカバレッジパスプランニングを成功裏に実装した。
• AgBotを用いた現地実験では、計画されたパスが実行可能であったが、GNSSデータの記録から、ロボットの最小旋回半径制約により、計画されたよりも広い旋回が確認された。
• カバレッジ目的関数の計算時間は畝の面積に比例して線形に増加するのに対し、他の目的関数は面積の平方根に比例して増加するため、カバレッジ評価の計算コストが高くなることが示された。
• ブルートフォースアルゴリズムは、合計計算時間の80％以上を占めており、目的関数評価の最適化の必要性が浮き彫りになった。
• 6か月以内にコミュニティからの強い関与が得られ、GitHubで150スターを獲得し、積極的な貢献がなされており、ライブラリの関連性と実用性が裏付けられた。
• モジュラー設計により拡張性が実現されており、今後の課題として非凸型畝、障害物、傾斜地、および果樹園のような永続的作物への対応が計画されている。