[論文レビュー] Open-Source, Cost-Aware Kinematically Feasible Planning for Mobile and Surface Robotics

Steve Macenski, Matthew Booker+2 more|arXiv (Cornell University)|Jan 23, 2024

Robotic Path Planning Algorithms被引用数 4

ひとこと要約

本論文では、モバイルロボットおよび表面ロボットにおける運動学的可達性を備えた経路計画を実現するオープンソースでC++ベースのフレームワーク、Smac Plannerを紹介する。2D-A*、ハイブリッド-A*、ステートラティスプランナのコスト認識変種を実装しており、複雑な環境下でもリアルタイム性能（39–42ms）を達成し、SBPL や NavFn よりも桁違いに優れた性能を発揮しており、現在はROS 2のNav2における産業用および研究用ロボット用の標準計画システムとなっている。

ABSTRACT

We present Smac Planner, an openly available, search-based planning framework that addresses the critical need for kinematically feasible path planning across diverse robot platforms. Smac Planner provides high-performance implementations of Cost-Aware A*, Hybrid-A*, and State Lattice planners that can be deployed for Ackermann, legged, and other large non-circular robots. Our framework introduces novel "Cost-Aware" variations that significantly improve performance in complex environments common to mobile robotics while maintaining kinematic feasibility constraints. Integrated as the standard planning system within the popular ROS 2 Navigation stack, Nav2, Smac Planner now powers thousands of robots worldwide across academic research, commercial applications, and field deployments.

研究の動機と目的

• 現代のモバイルロボットおよび表面ロボット向けに、高性能でアクセス可能で運動学的可達性を備えた計画手法の不足を解消すること。
• 検索ベースの計画手法の統合を簡素化するため、最小限で拡張可能なC++フレームワークを構築すること。
• モバイルロボティクスの慣習および性能要件に適合した、ハイブリッド-A*およびステートラティスプランナのコスト認識変種を導入すること。
• シミュレーテッドおよび実世界環境において、既存のフレームワーク（SBPL、NavFn、OMPL）と比較して、新しい計画手法のベンチマークを実施すること。
• 標準化された高性能計画により、アッケルマン形式、非円形、脚付きロボットのROS 2 Nav2への導入を可能にすること。

提案手法

• 新しい検索ベースの計画手法を約200行のコードで実装可能なテンプレート化C++フレームワークを設計する。
• 2D-A*、ハイブリッド-A*、ステートラティスの3つのコア計画手法を実装し、運動学的可達性をモーショントリミットと曲率制約によって保証する。
• 滑らかで走行可能で、経路長と計算コストを最小限に抑えるように最適化されたコスト認識ヒューリスティクスおよび移動関数を導入する。
• ステートラティス計画では事前生成された制御セットを使用し、ハイブリッド-A*ではDubins/Reeds-Sheppモデルを用いて運動学的可達性を保証する。
• 計画手法間で一貫したヒューリスティクスおよび移動関数を適用し、性能比較の公平性を確保する。
• フレームワークをROS 2のNav2に統合し、多様なロボットプラットフォームにおける実世界での展開を可能にする。

Figure 1: Large, non-circular industrial robot using Nav2 uniquely enabled by this open-source Framework.

実験結果

リサーチクエスチョン

• RQ1 どのようにして、モバイルロボティクス向けに高性能で実装が迅速な検索ベースの計画手法を実現できる最小限のオープンソースフレームワークを設計できるか？
• RQ2 複雑な環境下でリアルタイム性能を最適化するにあたり、ハイブリッド-A*およびステートラティスに必要な運動学的可達性の確保のための修正は何か？
• RQ3 コスト認識変種の2D-A*、ハイブリッド-A*、ステートラティス計画手法は、SBPL や NavFn といった既存フレームワークと比較して、経路品質、計算時間、耐障害性においてどのように差がつくか？
• RQ4 運動学的可達性を備えた計画手法を、ROS 2 Nav2 といったメインタイムラインのロボティクスフレームワークに標準化・統合できる範囲はどの程度か？
• RQ5 提案された計画手法は、非ホロノミック、非円形、アッケルマン形式のロボットについて、実世界の産業現場でも信頼性の高いナビゲーションを可能にするか？

主な発見

• コスト認識ハイブリッド-A*およびステートラティス計画は、20%の占有率を持つマップにおいて平均39–42msの実行時間を達成し、コスト認識2D-A*より約50%、NavFn より約38%の高速化を実現した。
• コスト認識ハイブリッド-A*およびステートラティス計画の経路長は互いに0.2%以内で一致し、コスト認識2D-A*が生成するより短い経路に対しても2.5%以内の差に収束した。
• SBPLのステートラティスARA*計画は、Smac Plannerのコスト認識ステートラティス計画より150倍遅く、さらに長く滑らかでない経路を生成した。
• 実世界の363,000平方フィートの倉庫環境では、Smacのハイブリッド-A*が平均290ms、ステートラティスが473ms、2D-A*が1358msの計画時間を記録し、密集した環境下での優れたスケーラビリティを示した。
• Smac Plannerのおかげで、ROS 2 Nav2は、アッケルマン形式、大型非円形、脚付きロボットのサポートを初めて実現し、世界中で十数の組織に導入された。
• フレームワークの性能と統合性のおかげで、Smac PlannerはROS 2 Nav2における標準オープンソース計画システムとなり、ロボティクス分野における研究と展開を加速させた。

Figure 2: Outline of the A* and key node template methods.