[論文レビュー] Mapless-Planner: A Robust and Fast Planning Framework for Aggressive Autonomous Flight without Map Fusion

Jialin Ji, Zhepei Wang+3 more|arXiv (Cornell University)|Nov 8, 2020

Robotic Path Planning Algorithms参考文献 16被引用数 5

ひとこと要約

本稿では、マップ融合を用いず、生の統合されていないセンサデータから直接環境構造を抽出する、軽量でマップレスな運動計画フレームワーク「Mapless-Planner」を提案する。PicoMapと呼ばれる新規データ構造と、サンプリングベースの自由空間スケルトン抽出法（フォワードスパニングツリー）を用い、スマートなウェイポイント挿入により高品質な軌道生成を実現。複雑な環境でも従来のマップレス手法に比べ、再計画の整合性と成功確率を顕著に向上させる。

ABSTRACT

Maintaining a map online is resource-consuming while a robust navigation system usually needs environment abstraction via a well-fused map. In this paper, we propose a mapless planner which directly conducts such abstraction on the unfused sensor data. A limited-memory data structure with a reliable proximity query algorithm is proposed for maintaining raw historical information. A sampling-based scheme is designed to extract the free-space skeleton. A smart waypoint selection strategy enables to generate high-quality trajectories within the resultant flight corridors. Our planner differs from other mapless ones in that it can abstract and exploit the environment information efficiently. The online replan consistency and success rate are both significantly improved against conventional mapless methods.

研究の動機と目的

• マップ融合に依存しない軽量でマップレスな計画フレームワークを構築すること。
• 既存のマップレスプランナの限界、すなわち短視眼的特性、ノイズへの感受性、環境の抽象化が不足しているための不一致な再計画を克服すること。
• 未統合の深度および強度データから直接自由空間スケルトンと飛行通路を抽出することで、堅牢で効率的な軌道生成を実現すること。
• ナノマップやRAPPIDSといった最先端のマップレス手法と比較して、複雑で混雑した環境におけるオンライン再計画の整合性と成功確率を向上させること。

提案手法

• PicoMapを提案。限られたメモリを用いて、適応的ダウンサンプリングを施した生の過去センサデータを格納するデータ構造であり、コンactなストレージと正確で信頼性の高い照会を可能にする再設計された近接照会インターフェースを備える。
• フォワードスパニングツリー（FST）を導入。未統合の深度データから直接自由空間スケルトンと球状の飛行通路を抽出するサンプリングベースのアルゴリズムであり、環境の抽象化に完全な近接照会情報を活用する。
• 動的性能と実行可能性を保ちつつ、生成された通路に軌道を押し込まないよう、中間ウェイポイントを挿入するスマートなウェイポイント選択戦略を採用。
• 軽量な軌道生成器を用い、[9]で示された事前最適化手法を活用することで、最小限の計算コストで高品質で動的実行可能な軌道を効率的に生成。
• センサデータをリアルタイムで処理し、融合マップを維持せずにオンライン再計画を可能にするモジュラーなフレームワークに統合。
• ポーズの不確実性を扱えるk-dツリー基盤の近接照会システムを採用。コーナーケースでの精度向上と距離・方向データの効率的利用を強化。

実験結果

リサーチクエスチョン

• RQ1 マップ融合を維持しないマップレスプランナが、融合マップなしで堅牢で一貫性のあるオンライン再計画を達成できるか？
• RQ2 未統合のセンサデータから直接環境構造を効果的に抽象化することで、高品質な軌道生成が可能か？
• RQ3 直接抽象化に基づくマップレスプランナの性能は、マップベースまたはマップレス手法と比較して、混雑した環境における成功確率と計画速度の面で優れているか？
• RQ4 スマートなウェイポイント選択戦略により、動的実行可能性と通路準拠を保ちながら、軌道計算コストを顕著に低減できるか？

主な発見

• ベンチマークシミュレーションにおいて、本手法はナノマップに比べ平均的に19%速いゴール到達時間（平均）を達成し、効率性の向上を示した。
• 混雑した環境において、本手法の成功確率はRAPPIDSおよびナノマップを大きく上回った。RAPPIDSは狭い通路を通過できず、ナノマップは誤った障害物距離推定により低成功率を示した。
• 成功した軌道生成の80%において、追加のウェイポイントが1つ以下に抑えられ、ウェイポイント選択戦略の高効率性を示した。
• k-dツリー構築、FST生成、軌道生成の平均計算時間はそれぞれ3.24ms、0.98ms、0.26msであり、半数以上の時間はピxlsアクセスに費やされていた。
• FSTで200サンプリングポイントを用いた場合、到着時間の改善は感度を失い、通常の環境では200サンプルで十分な計画が可能であることを示した。
• 動的で複雑な環境においても、本フレームワークは高い再計画の一貫性と耐障害性を維持し、安全性と攻撃的飛行性能の両面で、既存のマップレス手法を上回った。