[論文レビュー] Overcoming the Challenges of Solar Rover Autonomy: Enabling Long-Duration Planetary Navigation

Olivier Lamarre, Jonathan Kelly|arXiv (Cornell University)|May 14, 2018

Robotic Path Planning Algorithms参考文献 20被引用数 14

ひとこと要約

この論文は、太陽電池駆動の火星探査車における長期間にわたる自律走行を可能にするために、エネルギー認識型および環境認識型計画を移動フレームワークに統合することにより、挑戦に取り組む。本論文では、エネルギーの可用性、地形の走破可能性、科学的目標のバランスを取ることで、1日あたりの走行距離を最適化するハイブリッド走行戦略を提案し、高度な自律性と地形モデリングを備えた場合、150メートル以上の1ソルあたりの持続的走行が可能であることを示している。

ABSTRACT

The successes of previous and current Mars rovers have encouraged space agencies worldwide to pursue additional planetary exploration missions with more ambitious navigation goals. For example, NASA's planned Mars Sample Return mission will be a multi-year undertaking that will require a solar-powered rover to drive over 150 metres per sol for approximately three months. This paper reviews the mobility planning framework used by current rovers and surveys the major challenges involved in continuous long-distance navigation on the Red Planet. It also discusses recent work related to environment-aware and energy-aware navigation, and provides a perspective on how such work may eventually allow a solar-powered rover to achieve autonomous long-distance navigation on Mars.

研究の動機と目的

• 特にナサの火星サンプルリターンミッションのような長期間ミッションを想定した、太陽電池駆動の探査車における自律走行のギャップを埋める。
• 現在の探査車ミッションにおける長距離持続走行を制限する主な運用的・技術的課題を同定する。
• 最近のエネルギー認識型および環境認識型走行の進展が、エネルギーおよび地形的制約をどのように克服できるかを調査する。
• 火星において数か月にわたる期間にわたり自律的でエネルギー効率が良く、地形に適応する走行を可能にするフレームワークを提供する。
• 太陽電池駆動の探査車のための計画サイクルに、リアルタイムのエネルギーモデリングと地形認識を統合することで、将来的なミッション設計を支援する。

提案手法

• マーズ探査車（例：クレイリティ）が使用する現在の3段階計画フレームワーク（戦略的、上位戦術的、戦術的）を分析し、運用上の制約を理解する。
• 過去のマーズ探査車ミッション（例：クレイリティ、スパイラル、オポチュニティ）のデータを用いて、エネルギーモデリングと地形走破可能性推定を統合する。
• SPOC（深層学習ベースの地形分類）や熱的インertiaに基づくスリップ予測などの機械学習技術を適用し、地形評価を向上させる。
• エネルギーの可用性、地形リスク、科学的目標のバランスを取ることで、1ソルあたりの走行距離を最大化するハイブリッド走行戦略を提案する。
• シミュレーションとミッションデータを用いて、エネルギーおよび地形的制約下での長期間走行をモデル化し、持続的な150メートル以上の1ソルあたり走行性能を最適化する。
• ハードウェアインザループ実験および探査車のテレメトリに基づいた、エネルギー消費と地形相互作用の確率的モデルを用いたリスク認識型経路計画を統合する。

実験結果

リサーチクエスチョン

• RQ1 太陽電池駆動の探査車は、人為的介入なしに数か月にわたって1日あたり150メートル以上の走行距離を維持するにはどうすればよいか？
• RQ2 火星における長期間にわたる自律走行を制限する主なエネルギー的および地形的制約は何か？
• RQ3 環境認識型およびエネルギー認識型走行モデルは、長期間にわたる探査車走行の信頼性と効率をどのように向上できるか？
• RQ4 深層学習ベースの地形分類およびエネルギーモデリングは、天体探査車の自律意思決定をどの程度向上できるか？
• RQ5 エネルギー制約下で数か月にわたる自律走行を支援するには、戦略的・上位戦術的・戦術的計画サイクルの統合はどの程度必要か？

主な発見

• クレイリティなどの現在の探査車は、1ソルあたり130メートルを超える走行を4回しか経験していないことから、現在のフレームワークでは持続的な高速走行は運用的に実現不可能であることが示された。
• 火星サンプルリターンのフェッチ探査車は、約3か月間で14キロ以上走行する見込みであり、1日あたり平均150メートル以上を走行する必要があるが、これは現在の運用能力を上回っている。
• エネルギー認識型走行は、太陽エネルギーの可用性を最適化し、柔ららかく傾斜のある地形でのエネルギー損失を最小限に抑えることで、1ソルあたりの走行距離を延長できる。
• 深層学習ベースの地形分類（例：SPOC）は、地形評価の正確性を向上させ、ぬかるみや緩い土壌でのホイールスリップやエネルギーの無駄遣いのリスクを低減する。
• リアルタイムのエネルギーモデリングと自己認識走破可能性推定を統合することで、より予測可能で効率的な経路計画が可能となり、ミッションの生産性が向上する。
• シミュレーションとミッションデータから、高度な自律性を備えた太陽電池駆動の探査車は、エネルギー、地形、科学的目標のバランスを取ることで、150メートル以上の1ソルあたり走行を持続的に達成できることが示された。