[論文レビュー] Learning to Plan Optimally with Flow-based Motion Planner

Tin Lai, Fábio Ramos|arXiv (Cornell University)|Oct 21, 2020

Robotic Path Planning Algorithms参考文献 30被引用数 5

ひとこと要約

この論文では、問題固有の情報（例：初期状態および目的状態）に条件付けられた正規化フローを用いて最適なサンプリング分布を学習する、フローに基づくモーションプランナープランナーフローを紹介する。専門家の経験を活用することで、無効なサンプルを低減し、収束を加速し、実行時間および解の質において最先端のプランナーより優れた性能を発揮する。また、構造化された正規化フロー構造によりモード崩壊を回避する。

ABSTRACT

Sampling-based motion planning is the predominant paradigm in many real-world robotic applications, but its performance is immensely dependent on the quality of the samples. The majority of traditional planners are inefficient as they use uninformative sampling distributions as opposed to exploiting structures and patterns in the problem to guide better sampling strategies. Moreover, most current learning-based planners are susceptible to posterior collapse or mode collapse due to the sparsity and highly varying nature of C-Space and motion plan configurations. In this work, we introduce a conditional normalising flow based distribution learned through previous experiences to improve sampling of these methods. Our distribution can be conditioned on the current problem instance to provide an informative prior for sampling configurations within promising regions. When we train our sampler with an expert planner, the resulting distribution is often near-optimal, and the planner can find a solution faster, with less invalid samples, and less initial cost. The normalising flow based distribution uses simple invertible transformations that are very computationally efficient, and our optimisation formulation explicitly avoids mode collapse in contrast to other existing learning-based planners. Finally, we provide a formulation and theoretical foundation to efficiently sample from the distribution; and demonstrate experimentally that, by using our normalising flow based distribution, a solution can be found faster, with less samples and better overall runtime performance.

研究の動機と目的

• 高次元のC空間において、無情報的で一様なサンプリングに依存する伝統的なサンプリングベースのモーションプランナの非効率性に対処すること。
• 疎で変動しやすいC空間の構成による、学習ベースのプランナにおけるモード崩壊および事後分布崩壊を克服すること。
• 計算的に効率的で、事前に得られた最適なプランを活用する条件付きサンプリング分布を構築し、より高速で高品質なモーションプランニングを実現すること。
• 目標状態が不明な探索的状況においても、学習済みの事前分布に基づいて推論を実行できるようにすること。

提案手法

• 条件付き正規化フローを訓練し、$\mathcal{Q}_{\theta}(q \mid \omega, q_{\text{init}}, q_{\text{target}})$ というサンプリング分布をモデル化する。ここで、$\omega$ はワークスペースの情報、$q$ はC空間内の構成である。
• 逆変換可能で一対一の変換を用い、計算効率が高く、トレーニングに正確な尤度計算が可能な構造である。
• エキスパートプランナからのデモンストレーションを用いてモデルをトレーニングすることで、与えられた問題インスタンスに対して近似的に最適なサンプリング分布を学習可能となる。
• 尤度に基づく目的関数を最適化することで、サンプルされた構成の多様性を保つように、明示的にモード崩壊を回避するように条件付き分布を設計している。
• サンプリングはC空間ですられ、視覚化のためワークスペースに投影される。衝突検査は、サンプリング後に実施され、軌道の妥当性を検証する。
• RRT や RRT* などの既存のサンプリングベースのプランナと互換性があり、学習された情報豊富なサンプリング戦略を強化可能である。

実験結果

リサーチクエスチョン

• RQ1 初期状態および目的状態に条件付けられたフローに基づく分布は、C空間における最適な軌道に近い領域からサンプリングを学習できるか？
• RQ2 本手法は、一様サンプリングと比較して、無効なサンプル数および衝突検査回数をどの程度削減できるか？
• RQ3 他の学習ベースのサンプリング手法と比較して、条件付き正規化フローはモード崩壊をどの程度効果的に防止できるか？
• RQ4 目的状態が不明な探索的計画タスクにおいて、学習された分布は依然として有効に機能するか？
• RQ5 フローに基づく事前分布の使用は、多様な環境において全体の計画速度および解の質を向上させるか？

主な発見

• PlannerFlowsは、計画時間の観点でベースライン手法を常に上回り、解に到達するまでのサンプル数を著しく削減した。
• 無効なサンプル数および衝突検査回数は、特に正逆運動学が高コストとなる高次元のシナリオにおいて顕著に減少した。
• $q_{\text{init}}$ および $q_{\text{target}}$ の両方に条件付けられた場合、フローに基づく分布は最適な軌道に近い領域にサンプルを集中させることを、サンプルされた構成の可視化から示した。
• 不完全な情報（例：$q_{\text{init}}$ のみ、または $\omega$ のみ）がある状況でも、分布は依然として有効であり、一様サンプリングよりも高品質なサンプルを生成した。
• フロー推論による実行時間のオーバーヘッドは1%未満に抑えられ、計算効率が優れていることを示した。
• 実験結果から、フローに基づく分布が尤度に基づくトレーニング目的関数のおかげでモード崩壊を回避し、高いサンプル多様性を維持していることが確認された。