[論文レビュー] Multilevel Motion Planning: A Fiber Bundle Formulation

Andreas Orthey, Sohaib Akbar+1 more|arXiv (Cornell University)|Jul 18, 2020

Robotic Path Planning Algorithms被引用数 4

ひとこと要約

本論文は、ファイバー束理論を用いて、複雑なロボットの運動計画問題を階層的で取り扱いやすい部分問題に分解するマルチレベル運動計画フレームワークを提案する。配置空間をファイバー束として定式化し、徐々に粗い多様体上で再帰的なセクション探索アルゴリズムを適用することで、計算コストを低減した効率的な経路計算が可能となり、高次元空間においてもスケーラビリティとロバストネスを示した。

ABSTRACT

High-dimensional motion planning problems can often be solved significantly faster by using multilevel abstractions. While there are various ways to formally capture multilevel abstractions, we formulate them in terms of fiber bundles. Fiber bundles essentially describe lower-dimensional projections of the state space using local product spaces, which allows us to concisely describe and derive novel algorithms in terms of bundle restrictions and bundle sections. Given such a structure and a corresponding admissible constraint function, we develop highly efficient and asymptotically-optimal sampling-based motion planning methods for high-dimensional state spaces. Those methods exploit the structure of fiber bundles through the use of bundle primitives. Those primitives are used to create novel bundle planners, the rapidly-exploring quotient-space trees (QRRT*), and the quotient-space roadmap planner (QMP*). Both planners are shown to be probabilistically complete and almost-surely asymptotically optimal. To evaluate our bundle planners, we compare them against classical sampling-based planners on benchmarks of four low-dimensional scenarios, and eight high-dimensional scenarios, ranging from 21 to 100 degrees of freedom, including multiple robots and nonholonomic constraints. Our findings show improvements up to 2 to 6 orders of magnitude and underline the efficiency of multilevel motion planners and the benefit of exploiting multilevel abstractions using the terminology of fiber bundles.

研究の動機と目的

• ロボットシステムにおける高次元運動計画の計算不能性を解決すること。
• 配置空間内の幾何的構造を活用することで、計画の複雑さを低減する階層的分解戦略を開発すること。
• 運動計画をファイバー束上のセクション探索問題として形式化し、スケーラブルで構造的な経路計算を可能にすること。
• マルチレベルの抽象化を通じて、複雑な環境における運動計画の効率性とスケーラビリティを向上させること。
• 最短経路計算と再帰的セクション探索の統合により、ロバストで適応的な軌道生成を実現すること。

提案手法

• 配置空間をファイバー束としてモデル化し、ベース空間が粗いレベルのナビゲーションを表し、ファイバーが細かいレベルの自由度を表す。
• 再帰的アルゴリズム FindSection は、ベース空間における粗い経路から始めて、階層的なレベルを通過することで運動経路を計算する。
• ShortestPath を用いて、前段階の配置空間で初期経路を計算し、それを FindSection の入力として使用する。
• 計算複雑性を制御するために、深さ制限付き探索と最大分岐数を採用する。
• 探索中に、妥当性（true）を優先するか最適性（false）を優先するかを決定するフラグ（FF）を用いる。
• 妥当性チェックとセクション探索を交互に繰り返すことで、レベル間で経路を精緻化する。

実験結果

リサーチクエスチョン

• RQ1 高次元配置空間における運動計画は、どのように計算的に取り扱える部分問題に分解できるか？
• RQ2 ファイバー束理論は、収束が保証される階層的運動計画の幾何的フレームワークを提供できるか？
• RQ3 再帰的セクション探索の影響は、経路の品質と計算効率にどのように現れるか？
• RQ4 最短経路とセクション探索の統合は、複雑な環境におけるロバストネスをどのように向上させるか？
• RQ5 マルチレベルの抽象化は、運動計画の計算コストをどの程度低減できるか？

主な発見

• 本手法は、階層的分解を活用することで、高次元配置空間においても実行可能な運動経路を効果的に計算できた。
• ファイバー束構造の導入により、配置空間をベースとファイバーのコンponentsに自然に抽象化でき、計画の簡素化が可能になった。
• 深さと分岐数の制限を設けた再帰的セクション探索は、計算の取り扱いやすさを維持しながら経路の妥当性を保証した。
• 特に高自由度の複雑な状況において、モノリシックな計画手法と比較して、本手法は優れたスケーラビリティを示した。
• 妥当性チェック（ptc）と経路精錬の統合により、解の収束性とロバストネスが向上した。
• 適応的探索制御により、経路品質と計算コストのバランスを効果的に達成した。