[論文レビュー] iPlanner: Imperative Path Planning

Fan Yang, Chen Wang+2 more|arXiv (Cornell University)|Feb 22, 2023

Robotic Path Planning Algorithms被引用数 2

ひとこと要約

本論文は、教師ありデータを必要とせず、深度観測値から直接方策を学習するエンドツーエンドの命令型学習（IL）フレームワーク、iPlannerを提案する。本手法は微分可能コストマップと二段階最適化を用い、古典的手法よりも4倍速く、未確認環境においてSPLを26–87%向上させ、優れた効率性と一般化性能を示した。

ABSTRACT

The problem of path planning has been studied for years. Classic planning pipelines, including perception, mapping, and path searching, can result in latency and compounding errors between modules. While recent studies have demonstrated the effectiveness of end-to-end learning methods in achieving high planning efficiency, these methods often struggle to match the generalization abilities of classic approaches in handling different environments. Moreover, end-to-end training of policies often requires a large number of labeled data or training iterations to reach convergence. In this paper, we present a novel Imperative Learning (IL) approach. This approach leverages a differentiable cost map to provide implicit supervision during policy training, eliminating the need for demonstrations or labeled trajectories. Furthermore, the policy training adopts a Bi-Level Optimization (BLO) process, which combines network update and metric-based trajectory optimization, to generate a smooth and collision-free path toward the goal based on a single depth measurement. The proposed method allows task-level costs of predicted trajectories to be backpropagated through all components to update the network through direct gradient descent. In our experiments, the method demonstrates around 4x faster planning than the classic approach and robustness against localization noise. Additionally, the IL approach enables the planner to generalize to various unseen environments, resulting in an overall 26-87% improvement in SPL performance compared to baseline learning methods.

研究の動機と目的

• 逐次的なモジュール処理による遅延と誤差の累積という、古典的手法のモジュラー計画パイプラインの限界を克服すること。
• ロボット経路計画におけるエンドツーエンド強化学習および教師あり学習のデータおよびサンプル効率性の課題を克服すること。
• ラベル付き軌道やデモンストレーションを必要とせず、未確認環境への一般化を可能にすること。
• タスクレベルの目的関数を直接勾配降下で最適化する訓練パラダイムを構築し、訓練効率と方策の一般化性能を向上させること。

提案手法

• 命令型学習（IL）を導入し、学習中の方策訓練に暗黙の教師信号を提供するための微分可能コストマップを用いる非教師付き訓練アプローチを提案する。
• ニューラルネットワークの更新とメトリクスベースの軌道最適化を統合した二段階最適化（BLO）フレームワークを採用し、滑らかで衝突のない経路を生成する。
• 単一の深度測定値を入力とし、学習済みの方策ネットワークを介してエンドツーエンドで軌道へマッピングする。
• 全パイプラインにわたってタスクレベルのコスト指標（例：ゴールまでの距離、障害物回避）を逆伝播させ、勾配降下を用いてネットワークを更新する。
• 事前に構築された微分可能なコストマップを活用し、明示的なデモンストレーションがなくても、訓練中に方策行動をガイドする。
• 認識と計画を分離し、計画の目的関数に最適化された特徴量をネットワークが抽出できるように訓練することで、リアルタイム性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 教師ありデータやラベル付き軌道を必要としない非教師付き学習アプローチが、ラベルなしで効率的かつ一般化可能な経路計画を達成できるか。
• RQ2 微分可能コストマップを用いた命令型学習は、教師あり学習や強化学習のベースラインと比較して、訓練効率と一般化性能をどのように向上させるか。
• RQ3 単一の深度入力で学習した方策が、照明、障害物、地形が異なる多様な未確認環境にどの程度一般化できるか。
• RQ4 提案された二段階最適化フレームワークは、滑らかで衝突のない軌道を生成しつつ、低遅延を維持できるか。
• RQ5 実世界の展開において、認識ノイズや局所化誤差が生じた場合、本手法はどの程度の性能を示すか。

主な発見

• iPlannerは、古典的手法（MP）と比較して約4倍速い計画遅延を達成し、Nvidia Jetson Orin上で平均11.4msの遅延を記録した。
• 多様な未確認環境において、ベースライン学習手法と比較してSPL（ゴールまでの距離に重み付けされた成功度）を26–87%向上させた。
• 本プランナーは、屋内ラボ、屋外地形、人為的マズール、照明や障害物配置が異なる地下環境など、多様な未確認環境に強く一般化した。
• 局所化ノイズに対して強く、単一の深度フレームのみで動作することが実証された。
• 命令型学習によるエンドツーエンド訓練により、タスクレベルの指標を直接勾配降下で最適化でき、デモンストレーションや報酬形状の調整が不要になった。
• ANYmal脚部ロボットを用いた実世界実験では、動的障害物、ドア、階段を含む複雑な実環境においても、成功裏にナビゲートを実現した。