[論文レビュー] FUEL: Fast UAV Exploration using Incremental Frontier Structure and Hierarchical Planning

Boyu Zhou, Yichen Zhang+2 more|arXiv (Cornell University)|Oct 22, 2020

Robotic Path Planning Algorithms参考文献 34被引用数 5

ひとこと要約

本稿では、高速で高周波の計画を可能にするために、段階的に更新されるフロンティア情報構造（FIS）を用いる階層的UAV探索フレームワークFUELを提案する。グローバルなツアー最適化、ローカルなビューポoint最適化、最小時間軌道生成を統合することで、シミュレーションおよび実世界のテストにおいて、最先端の手法と比較して3–8倍の高速化を達成し、複雑な環境におけるカバレッジ速度と経路効率を顕著に向上させた。

ABSTRACT

Autonomous exploration is a fundamental problem for various applications of unmanned aerial vehicles. Existing methods, however, were demonstrated to insufficient exploration rate, due to the lack of efficient global coverage, conservative motion plans and low decision frequencies. In this paper, we propose FUEL, a hierarchical framework that can support Fast UAV Exploration in complex unknown environments. We maintain crucial information in the entire space required by exploration planning by a frontier information structure (FIS), which can be updated incrementally when the space is explored. Supported by the FIS, a hierarchical planner plans exploration motions in three steps, which find efficient global coverage paths, refine a local set of viewpoints and generate minimum-time trajectories in sequence. We present extensive benchmark and real-world tests, in which our method completes the exploration tasks with unprecedented efficiency (3-8 times faster) compared to state-of-the-art approaches. Our method will be made open source to benefit the community.

研究の動機と目的

• グリーディな計画、慎重な運動、高い計算コストによる既存のUAV手法の低速な探索レートを是正すること。
• 新たな環境情報に応じて高周波で再計画可能にするために、リアルタイムの適応性を実現すること。
• 動的実行可能性と安全性を維持しながら、最適な探索ツアーを計画することで、グローバルなカバレッジ効率を向上させること。
• 最適化されたビューポイントに基づく最小時間軌道生成により、高速で機敏な飛行を実現すること。
• 複雑な屋内シーンや屋外の森林を含む、シミュレーションおよび実世界の環境でフレームワークを検証すること。

提案手法

• フロンティア情報構造（FIS）は、探索済み環境全体にわたる、フロンティアの位置やクラスタデータなどの基本的な空間的情報を段階的に維持し、効率的なグローバル計画を可能にする。
• 階層的プランナは3段階のプロセスで動作する：(1) FISを用いたグローバルツアー計画で総経路長を最小化し、(2) 動作あたりの情報量を最大化するためのローカルビューポイント最適化、(3) 動的実行可能性を確保する最小時間軌道生成。
• FISは新しいセンサデータが到着する度に段階的に更新され、計画者が高周波で動作し、環境変化に迅速に対応できる。
• グローバルツアーは、カバレッジと経路長のバランスを取るヒューリスティックベースの最適化により計算され、未知の大規模空間の効率的探索を保証する。
• ローカル運動計画では、非線形軌道最適化を用いて、動的実行可能で滑らかで時間最適な経路を、最適化されたビューポイントから生成する。
• システムは完全にオンボードで動作し、外部の局所化に依存せず、リアルタイム動作を実現するため、オンボードの状態推定器とマッピングモジュールに依存する。

実験結果

リサーチクエスチョン

• RQ1 インクリメンタルな状態表現を有する階層的計画フレームワークは、複雑な未知環境におけるUAV探索速度を顕著に向上させることができるか？
• RQ2 維持されたフロンティア構造に基づくグローバルツアー計画は、グリーディ法やローカルのみの戦略と比較して、経路効率やカバレッジ時間においてどのように差をつけるか？
• RQ3 最小時間軌道生成は、安全と動的実行可能性を保ちながら、飛行速度をどの程度向上させることができるか？
• RQ4 センサノイズ、視界制限、動的障害物が存在する実世界環境下で、システムはどの程度の性能を示すか？
• RQ5 提案手法は、安全や正確性を損なわず、高頻度の意思決定を維持し、新たな環境情報に迅速に適応できるか？

主な発見

• シミュレーションでは、FUELは最先端の手法と比較して、探索タスクを3～8倍の高速で完了し、はるかに短く滑らかなカバレッジ経路を達成した。
• グローバルツアー計画により、経路長が短縮され、特に既知の領域を繰り返し探索する問題が顕著に減少した。
• 大規模な迷路シナリオでは、ほぼ線形の探索レートを達成し、時間経過に伴う一貫性ある効率的カバレッジを示した。
• 障害物のある屋内環境および屋外の森林での実世界テストにより、システムの頑健性とリアルタイム性能が確認され、外部局所化なしに完全なオンボード動作が達成された。
• 実行された軌道は、ベースライン手法と比較して滑らかで高速であり、最小時間軌道生成により高い飛行速度が実現された。
• FISにより高周波の再計画が可能となり、新たな環境データに即座に対応できるようになり、全体の高速化に寄与した。