[論文レビュー] Informable Multi-Objective and Multi-Directional RRT* System for Robot Path Planning

Jiunn-Kai Huang, Yingwen Tan+3 more|arXiv (Cornell University)|May 30, 2022

Robotic Path Planning Algorithms被引用数 8

ひとこと要約

本稿では、大規模で複雑なグラフ上でのロボットパスプランニングを目的として、任意の時点で最適化を継続的に改善できる情報付きの多目的・多方向RRT*（IMOMD-RRT*）システムを提案する。このシステムは、強化されたRRT*アルゴリズムと多項式時間で解けるTSP緩和ソルバー（ECI-Gen）を組み合わせ、複数の目的地の最適パスと訪問順序を同時に決定する。本システムは、Bi-A* や ANA* よりも高速かつメモリ使用量が少ない。また、バグトラップのような困難なトポロジーから脱出するための事前知識の統合も可能である。

ABSTRACT

Multi-objective or multi-destination path planning is crucial for mobile robotics applications such as mobility as a service, robotics inspection, and electric vehicle charging for long trips. This work proposes an anytime iterative system to concurrently solve the multi-objective path planning problem and determine the visiting order of destinations. The system is comprised of an anytime informable multi-objective and multi-directional RRT* algorithm to form a simple connected graph, and a proposed solver that consists of an enhanced cheapest insertion algorithm and a genetic algorithm to solve the relaxed traveling salesman problem in polynomial time. Moreover, a list of waypoints is often provided for robotics inspection and vehicle routing so that the robot can preferentially visit certain equipment or areas of interest. We show that the proposed system can inherently incorporate such knowledge, and can navigate through challenging topology. The proposed anytime system is evaluated on large and complex graphs built for real-world driving applications. All implementations are coded in multi-threaded C++ and are available at: https://github.com/UMich-BipedLab/IMOMD-RRTStar.

研究の動機と目的

• 自律ロボットや車両ルーティング分野における、同時に複数の目的のパスプランニングと訪問順序最適化の課題に対処すること。
• リアルタイム応用に適した、時間の経過に伴いパス品質を継続的に改善する「任意の時点で最適化可能（anytime）」のシステムを開発すること。
• 好ましい点検ウェイポイントや基準パスなどの事前知識（例：推奨される点）をパスプランニングプロセスに統合できるようにすること。
• 大規模なグラフベースの地図において、多項式時間で緩和TSPを解くこと。
• 実世界のOpenStreetMapデータセット（数百万ノードおよびエッジを含む）を用いて、スケーラビリティと耐障害性を評価すること。

提案手法

• 本システムは、複数の目的から、段階的に接続された重み付き無向グラフを構築する「任意の時点で最適化可能で情報付きの多目的・多方向RRT*（IMOMD-RRT*）」アルゴリズムを用いる。
• IMOMD-RRT* アルゴリズムは、各目的地から同時に木を拡張することで、複雑なトポロジーにおいても多方向探索と接続性を実現する。
• ユーザー指定のウェイポイントを仮想的な目的地として扱うことで、事前知識を統合し、木の拡張を誘導し、局所的トラップからの脱出を支援する。
• ECI-Gen は、強化された安価挿入法と遺伝的アルゴリズムを組み合わせた緩和TSPソルバーであり、多項式時間で最適な訪問順序を決定する。
• 本システムはマルチスレッドC++で実装されており、再現性を確保するためGitHubで公開されている。
• 本手法は、大規模なOpenStreetMapグラフ（シカゴ：866kノード、シエトル：100万ノード以上）を用いて、実世界の走行条件下で評価されている。

実験結果

リサーチクエスチョン

• RQ1 任意の時点で最適化を継続的に改善できるパスプランニングシステムは、大規模で複雑なグラフ上において、複数の目的の最適パスと訪問順序を同時に決定できるか？
• RQ2 点検ウェイポイントや基準パスなどの事前知識の統合は、トポロジカルに困難な環境におけるパスプランニングをどの程度改善するか？
• RQ3 提案されたIMOMD-RRT*システムは、Bi-A* や ANA* と比較して、速度とメモリ効率の面でどの程度優れているか？
• RQ4 本システムは、大規模な多目的パスプランニング問題（例：25目的地）をリアルタイムで、最小限の計算オーバーヘッドで解けるか？
• RQ5 ECI-Genソルバーは、多項式時間で緩和TSPの近似的最適な訪問順序を効率的に見つけられるか？

主な発見

• 本システムは、シエトルのOSM地図（120万ノード・エッジ）上で25目的地のパスプランニング問題をわずか0.44秒で解決し、リアルタイム実行可能性を示した。
• シカゴのOSM地図において、本システムはバグトラップ（サンフランシスコ）を脱出する際、Bi-A* よりも9倍の高速化と58.9倍の低メモリ使用量を達成した。
• ANA* はサンフランシスコのバグトラップシナリオで時間制限内に解を発見できなかったが、本システムは全回成功した。
• 事前知識の統合により、バグトラップからの脱出時間がBi-A* よりも9倍短縮され、複雑なトポロジーにおける耐障害性が実証された。
• ECI-Genソルバーは、大規模な問題においても近似的最適な訪問順序を効率的に計算し、ベースライン手法よりも速度とメモリ消費量の両面で優れていた。
• IMOMD-RRT*アルゴリズムは、多方向拡張と情報付きサンプリングのおかげで、接続されていない環境や高カーブ性の環境でも、すべての目的に対して接続されたグラフを形成できた。