[論文レビュー] Optimized Mission Planning for Planetary Exploration Rovers

Alexander Lavin|arXiv (Cornell University)|Nov 1, 2015

Robotic Path Planning Algorithms参考文献 11被引用数 3

ひとこと要約

本論文は、惑星探査車の最適化されたミッション計画フレームワークを提案し、グローバルナビゲーションとメタヒューリスティック最適化を統合して、最も安全で効率的な着陸地点（LZ）と経路を選択する。A*を用いた経路計画と、焼きなまし法による障害物リスクとミッションコストの最小化を実施し、月面ミッションのシミュレーションにより検証された。地形障害物への露出が顕著に低減された。

ABSTRACT

The exploration of planetary surfaces is predominately unmanned, calling for a landing vehicle and an autonomous and/or teleoperated rover. Artificial intelligence and machine learning techniques can be leveraged for better mission planning. This paper describes the coordinated use of both global navigation and metaheuristic optimization algorithms to plan the safe, efficient missions. The aim is to determine the least-cost combination of a safe landing zone (LZ) and global path plan, where avoiding terrain hazards for the lander and rover minimizes cost. Computer vision methods were used to identify surface craters, mounds, and rocks as obstacles. Multiple search methods were investigated for the rover global path plan. Several combinatorial optimization algorithms were implemented to select the shortest distance path as the preferred mission plan. Simulations were run for a sample Google Lunar X Prize mission. The result of this study is an optimization scheme that path plans with the A* search method, and uses simulated annealing to select ideal LZ-path- goal combination for the mission. Simulation results show the methods are effective in minimizing the risk of hazards and increasing efficiency. This paper is specific to a lunar mission, but the resulting architecture may be applied to a large variety of planetary missions and rovers.

研究の動機と目的

• 表面探査中のリスクとコストを最小限に抑えることのできる、惑星探査車の統合的ミッション計画システムの開発。
• 地形障害を回避する最安コストの安全な着陸地点（LZ）とグローバル経路計画の組み合わせの特定。
• グローバルナビゲーションとメタヒューリスティック最適化の統合が、自律的惑星探査に与える有効性の評価。
• 提案されたアーキテクチャが月以外の多様な惑星ミッションへもスケーラブルに応用可能であることを示すこと。

提案手法

• 地形データからのクレーター、盛り上がり、岩などの表面障害物を検出するために、コンピュータビジョン技術を活用する。
• 着陸地点から目的地点までの最短で安全な経路を決定するために、A*探索アルゴリズムを用いたグローバル経路計画を実施する。
• 着陸地点と経路の統合的選択を最適化するために焼きなまし法（メタヒューリスティック）を適用し、全体のミッションコストを最小化する。
• 障害物回避をコスト関数に組み込むために、地形障害物に近い経路や着陸地点に高いコストを割り当てる。
• 性能評価のため、Google Lunar X Prizeに基づくサンプルミッションをシミュレーションする。
• 複数のLZ-経路-目的地点の組み合わせを比較するための組み合わせ最適化を用いる。

実験結果

リサーチクエスチョン

• RQ1 地形障害を回避しながらミッションコストを最小化する最適な着陸地点と経路の組み合わせは何か？
• RQ2 A*経路計画と焼きなまし法の統合は、ミッションリスクの低減と効率性の向上にどの程度効果的か？
• RQ3 このフレームワークは、異なる天体や探査車ミッションにどの程度一般化可能か？
• RQ4 障害物検出法やコストモデリング戦略の違いが、最終的なミッション計画の品質にどのように影響するか？

主な発見

• 提案されたフレームワークは、焼きなまし法を用いて、障害物露出を顕著に低減した最安コストのLZ-経路-目的地点の組み合わせを効果的に同定した。
• シミュレーション結果から、A*アルゴリズムが複雑な地形条件下でも効率的で安全な経路計画を実現していることが示された。
• 障害物検出にコンピュータビジョンを統合することで、クレーター、盛り上がり、岩をナビゲーション障害物として正確に同定できるようになった。
• 本手法により、地形障害物に近い経路や着陸地点を避けることで、ミッションリスクが低減された。
• 本アーキテクチャは、さまざまな惑星ミッションに適応可能であり、月面探査を超えた幅広い応用の可能性を示している。