[論文レビュー] Fully Convolutional Search Heuristic Learning for Rapid Path Planners

Yuka Ariki, Takuya Narihira|arXiv (Cornell University)|Aug 9, 2019

Robotic Path Planning Algorithms参考文献 20被引用数 11

ひとこと要約

本論文では、2次元グリッドワールドにおける高速ルートプランナ用の探索ヒューリスティクスを学習する、完全畝込みニューラルネットワーク（FCN）ベースの手法を提案する。障害物マップを画像として扱い、A*およびバックワードDijkstraの結果を教師データとして用いることで、FCNは空間的に構造化されたコスト・トゥ・ゴールヒューリスティクスを予測する。これは手作業で設計されたユークリッド距離ヒューリスティクスと比較して、探索コストと計画時間の両方を顕著に低減し、特定の環境では計画時間を最大48%短縮し、探索コストを90%低減する。

ABSTRACT

Path-planning algorithms are an important part of a wide variety of robotic applications, such as mobile robot navigation and robot arm manipulation. However, in large search spaces in which local traps may exist, it remains challenging to reliably find a path while satisfying real-time constraints. Efforts to speed up the path search have led to the development of many practical path-planning algorithms. These algorithms often define a search heuristic to guide the search towards the goal. The heuristics should be carefully designed for each specific problem to ensure reliability in the various situations encountered in the problem. However, it is often difficult for humans to craft such robust heuristics, and the search performance often degrades under conditions that violate the heuristic assumption. Rather than manually designing the heuristics, in this work, we propose a learning approach to acquire these search heuristics. Our method represents the environment containing the obstacles as an image, and this image is fed into fully convolutional neural networks to produce a search heuristic image where every pixel represents a heuristic value (cost-to-go value to a goal) in the form of a vertex of a search graph. Training the heuristic is performed using previously collected planning results. Our preliminary experiments (2D grid world navigation experiments) demonstrate significant reduction in the search costs relative to a hand-designed heuristic.

研究の動機と目的

• 局所的トラップを含む大規模で複雑な探索空間において、強力で問題特化型のヒューリスティクスを設計する課題に対処すること。
• 非理想状態や複雑な障害物配置下で性能が低下する手作業によるヒューリスティクスへの依存を減らすこと。
• 深層学習を用いて空間的に整合性のあるヒューリスティクスを生成するスケーラブルでエンドツーエンドの学習フレームワークを構築すること。
• 密度の高い状態空間探索を必要とせず、最適パスデータからヒューリスティクスを学習することで計画効率を向上させること。
• 探索の負荷と計算コストを最小限に抑えることで、ロボティクスアプリケーションにおけるリアルタイム性能を実現すること。

提案手法

• 障害物を含む環境を2次元画像として表現し、ゴール位置を空間マップとして符号化する。
• 完全畝込みニューラルネットワーク（FCN）が障害物マップとゴールマップを入力として受け取り、各ピクセルがコスト・トゥ・ゴール推定値を表すヒューリスティクスマップを予測する。
• 教師データとしてのヒューリスティクス値は、事前に収集された最適パス上でA*およびバックワードDijkstraアルゴリズムを用いて生成する。
• 予測値と教師データの間のピクセル単位の回帰損失を用いて、教師あり学習によりネットワークを訓練する。
• 教師あり学習と時系列差分（TD）学習を組み合わせたハイブリッドトレーニング戦略を採用し、サンプル効率と一般化性能を向上させる。
• GPUアクセラレーションを活用した畝込み演算により、マップ内のすべての状態に対して同時に推論を実行可能である。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、多様な2次元ルート計画環境に一般化可能な空間的構造を持つヒューリスティクス関数を効果的に学習できるか？
• RQ2 完全畝込みネットワークから学習したヒューリスティクスは、ユークリッド距離のような手作業によるヒューリスティクスと比較して、探索コストと計画速度の面でどのように異なるか？
• RQ3 本手法は、すべての状態に対して密度の高いコスト・トゥ・ゴール計算を必要とせずに、ルート計画における計算コストを低減できるか？
• RQ4 学習済みヒューリスティクスは、異なる障害物配置やルート複雑度レベルにどの程度一般化できるか？
• RQ5 教師あり学習と時系列差分学習を組み合わせることで、ヒューリスティクス学習のロバスト性と効率性が向上するか？

主な発見

• 提案手法のFCNベースのヒューリスティクスは、グリーディプランナにおいてユークリッドヒューリスティクスと比較して、最大90%の探索コスト低減を達成し、環境全体で平均88%の低減を実現した。
• 学習済みヒューリスティクスを用いた平均計画時間は2.48 ms（CNN推論2.23 ms + 計画0.25 ms）であり、ユークリッドヒューリスティクスの4.56 msベースラインと比較して48%の高速化を達成した。
• 本手法は、完全結合ネットワークを用い、DAggerサンプリングを必要とした最先端のSaIL手法（Bhardwaj et al., 2017）よりも低い探索コストを達成した。
• テストした8つの環境のうち7つで、特に「ギャップとフォレスト」や「複数のバグトラップ」のような複雑なレイアウトにおいて、ユークリッドヒューリスティクスを上回る性能を示した。
• 局所的にノイズの多いヒューリスティクス予測を生成しても、本手法は高い計画効率を維持し、実行可能なパスの生成を可能にした。後処理で滑らかにできる。
• 本フレームワークはスケーラブルであり、非ホロノミックロボットナビゲーションやロボットアームの運動計画といった、より高次元の問題への応用も可能である。