[論文レビュー] Mobile Robot Navigation on Partially Known Maps using a Fast A Star Algorithm Version

Paul Muntean|arXiv (Cornell University)|Apr 29, 2016

Robotic Path Planning Algorithms被引用数 4

ひとこと要約

本論文では、超音波センサを用いた部分的に把握された屋内環境における移動ロボットのナビゲーションのための高速A*アルゴリズムの変種を提案する。2つの動作モード（センサの範囲閾値に基づく）を用いた経路計画の最適化により、特に複数の未知の障害物を有する環境において、著しい高速化（2桁のオーダー）と効率の向上を達成し、Pioneer 2DXロボット上で完全性とリアルタイム実行可能性を実証した。

ABSTRACT

Mobile robot navigation in total or partially unknown environments is still an open problem. The path planning algorithms lack completeness and/or performance. Thus, there is the need for complete (i.e., the algorithm determines in finite time either a solution or correctly reports that there is none) and performance (i.e., with low computational complexity) oriented algorithms which need to perform efficiently in real scenarios. In this paper we evaluate the efficiency of two versions of the A star algorithm for mobile robot navigation inside indoor environments with the help of two software applications and the Pioneer 2DX robot. We demonstrate that an improved version of the A star algorithm (we call this the fast A star algorithm) which (a different version of this algorithm is widely used in video games) can be successfully used for indoor mobile robot navigation. We evaluated the two versions of the A star algorithm first, by implementing the algorithms in source code and by testing them on a simulator and second, by comparing two operation modes of the fast A star algorithm w.r.t. path planning efficiency (i.e., completness) and performance (i.e., time need to complete the path traversing) for indoor navigation with the Pioneer 2DX robot. The results obtained with the fast A star algorithm are promising and we think that this results can be further improved by tweaking the algorithm and by using an advanced sensor fusion approach (i.e., combine the inputs of multiple robot sensors) for better dealing with partially known environments.

研究の動機と目的

• 事前に完全にマップされていない障害物が存在する部分的に把握された屋内環境において、効率的かつ完全な経路計画を達成する課題に対処すること。
• 従来のA*を改善し、リアルタイムのロボットナビゲーションにおける性能を向上させるために、より高速で最適化された変種「高速A*」を開発すること。
• シミュレーションと物理的ロボットを用いた実世界実験の両方を用いて、アルゴリズムの完全性と計算効率を評価すること。
• センサの範囲設定が動的障害物シナリオにおける経路計画の性能と回復行動に与える影響を調査すること。
• センサ融合とアルゴリズムチューニングの可能性を検討し、複雑で部分的に把握された環境におけるナビゲーションの頑丈さをさらに向上させること。

提案手法

• 標準A*と、ノード展開およびヒューリスティック評価を最適化した修正版高速A*の2つのバージョンを実装する。
• 2次元環境をグリッドベースで表現し、各セルが10×10 cmの領域に対応する。自由空間（C_free）を通過可能、障害物空間を通過不能と定義する。
• 高速A*アルゴリズムに2つの動作モード（M1とM2）を導入し、アクション制限子の使用とセンサ範囲閾値（50 mm と 225 mm）の違いにより区別する。
• オンラインテスト中にPCからPioneer 2DXロボットへナビゲーション命令を送信するために、Lantronix WiBoxを介したリアルタイム無線通信を適用する。
• 超音波センサ（範囲50 mm または 225 mm）を用いてナビゲーション中に未知の障害物を検出し、新しいデータが得られるたびに地図と経路を動的に更新する。
• 実行時間のメトリクスと回復行動の頻度を用いて、モード間の性能を比較し、初期のアルゴリズム妥当性を確認するためのオフラインシミュレーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 高速A*アルゴリズムは、リアルタイム制約を満たす部分的に把握された屋内環境において、完全かつ効率的な経路計画を達成できるか？
• RQ2 センサ範囲（50 mm 対 225 mm）の選択が、動的障害物シナリオにおける経路計画の効率と回復行動の回数にどのように影響するか？
• RQ3 1つまたは複数の未知の障害物を有する環境において、高速A*アルゴリズムのどの動作モード（M1 または M2）がより優れた性能を示すか？
• RQ4 計算速度と経路計画時間の観点から、高速A*アルゴリズムは標準A*をどの程度上回るか？
• RQ5 センサ融合とアルゴリズムチューニングにより、複雑で部分的に把握された環境における性能と頑丈さをさらに向上させることができるか？

主な発見

• オフラインシミュレーションにおいて、高速A*アルゴリズムは標準A*と比較して2桁のオーダーの高速化を達成し、計算性能が顕著に向上した。
• 未知の障害物が1つの環境では、モード1（M1、50 mm センサ範囲）が47秒の経路計画時間を達成し、モード2（45秒）を上回る性能を示した。これは、希薄な障害物環境における高い効率性を示している。
• 2つの未知の障害物を有する環境では、モード2（M2、225 mm センサ範囲）が40秒の経路計画時間にまで短縮され、モード1（61秒）を上回った。これは、早期の障害物検出と回復行動の減少によるものである。
• モード2におけるセンサ範囲の拡大により、障害物の早期検出が可能になり、回復動作の必要性が低減され、全体の経路完了時間の短縮が達成された。
• 高速A*アルゴリズムは、すべてのテストシナリオで有限時間内に経路を正常に発見したため、完全性を示し、実世界のナビゲーションにおける信頼性を確認した。
• 結果から、複数の未知の障害物を有する複雑な環境にはモード2が適していることが示唆され、一方、シンプルで混雑の少ない環境ではモード1がより優れた性能を示すことがわかった。