[論文レビュー] RLSS: Real-time Multi-Robot Trajectory Replanning using Linear Spatial Separations

Baskın Şenbaşlar, Wolfgang Hönig+1 more|arXiv (Cornell University)|Mar 13, 2021

Robotic Path Planning Algorithms参考文献 27被引用数 5

ひとこと要約

RLSS は、線形空間的分離に基づくハード制約を用いて衝突のない運動を保証する分散型でリアルタイムなマルチロボットシステム向けの軌道再計画アルゴリズムである。通信を必要とせず、ローカルな相対センシングに依存しており、DMPC よりも優れた性能を発揮し、通信が制限されたり不安定な高密度で動的な環境において、デッドロックを回避し、衝突を低減しながら、物理的ロボットでもリアルタイム性能を維持する。

ABSTRACT

Trajectory replanning is a critical problem for multi-robot teams navigating dynamic environments. We present RLSS (Replanning using Linear Spatial Separations): a real-time trajectory replanning algorithm for cooperative multi-robot teams that uses linear spatial separations to enforce safety. Our algorithm handles the dynamic limits of the robots explicitly, is completely distributed, and is robust to environment changes, robot failures, and trajectory tracking errors. It requires no communication between robots and relies instead on local relative measurements only. We demonstrate that the algorithm works in real-time both in simulations and in experiments using physical robots. We compare our algorithm to a state-of-the-art online trajectory generation algorithm based on model predictive control, and show that our algorithm results in significantly fewer collisions in highly constrained environments, and effectively avoids deadlocks.

研究の動機と目的

• 通信が制限されたり不安定な高密度で動的なマルチロボット環境において、リアルタイムで安全な軌道再計画を実現する課題に対処すること。
• 中央集権的な調整やロボット間通信に依存せずに、ハードな安全制約を強制する分散型アルゴリズムを開発すること。
• 環境の変化、ロボットの故障、軌道追従誤差に対して耐性を持ち、ロボットの動力学を明示的にモデル化すること。
• 異種ロボットチームにおいて、シミュレーションおよび物理実験の両方でリアルタイム性能を達成すること。
• 経路効率がわずかに低い代わりに、DMPC よりも安全でデッドロック回避に優れた、既存の分散型手法を上回ること。

提案手法

• アルゴリズムは、凸二次計画問題（QP）として定式化されたリcedeホライズン軌道最適化を用いて、リアルタイムで軌道を計算する。
• 相対位置測定に基づいて導出されたロボットと障害物間の線形空間的分離に基づくハード制約を用いて、衝突回避を実現する。
• 各ロボットは他のロボットや障害物のローカルなセンシングのみを用いて、独立して自身の軌道を計画し、通信は一切不要である。
• 運動学的制限を最適化に組み込むことで、ロボットの動力学を明示的にモデル化し、実行可能で妥当な軌道を保証する。
• ハード制約 QP が実行不能となった場合、ソフト制約の定式化にフォールバックして障害を報告し、衝突を回避する。
• 軌道は3次ベジエ曲線として区分的かつ滑らかに表現され、滑らかで微分可能なかたちでの計画が可能になる。

実験結果

リサーチクエスチョン

• RQ1 完全に分散型で通信不要なマルチロボット軌道再計画アルゴリズムが、リアルタイムでハードな安全制約を強制できるか？
• RQ2 高密度環境において、RLSS と DMPC の衝突回避およびデッドロック発生の観点での性能比較は？
• RQ3 動的擾乱や追従誤差の下でも、RLSS がリアルタイム性能と安全性をどの程度維持できるか？
• RQ4 通信なしで、物理的異種ロボットプラットフォームに RLSS を効果的に展開できるか？
• RQ5 通信なしによる影響が、通信ベースの手法と比較して経路効率にどの程度影響を与えるか？

主な発見

• RLSS は全8つの実験設定でデッドロックをゼロ件に抑え、DMPC は4つの設定で合計24件のデッドロックを経験した。
• すべてのシミュレーションにおいて、RLSS は DMPC よりもはるかに少ない衝突回数を記録し、0〜46件の衝突と比較して、最悪ケースでは33〜20,131件の衝突を記録した。
• RLSS の1反復あたりの平均計算時間は14.78ms（最悪ケース272.33ms）であり、DMPC の平均1.05msよりは高いが、依然としてリアルタイム制限内に収まっている。
• 物理実験では、iRobot Create2、Turtlebot2、Turtlebot3、Crazyflie 2.0 の各プラットフォームで RLSS が正常に動作し、実環境での頑健性を示した。
• 一部のケースで経路長が長くなるものの、RLSS は衝突回避が保証された完全で正しい解を提供した。一方、DMPC は高密度下で安全性を維持できず失敗した。
• 安全制約を満たせない場合に正しく実行不能を報告し、制約のある環境でも衝突を回避することができた。