[論文レビュー] SafeGuardPF: Safety Guaranteed Reactive Potential Fields for Mobile Robots in Unknown and Dynamic Environments

Rafael Rodrigues da Silva, Samuel Silva+2 more|arXiv (Cornell University)|Sep 22, 2016

Robotic Path Planning Algorithms参考文献 13被引用数 4

ひとこと要約

本稿では、未知かつ動的な環境下における移動ロボットのための計算効率の高いリアクティブなポテンシャルフィールド制御法であるSafeGuardPFを提案する。形式的検証を用いて、ロボットが静止している場合を除き衝突が発生しないことを保証する。制御法はハイブリッドオートマトンとしてモデル化され、微分動的論理（d$δ$-calculus）を用いて検証され、最近接障害物点へのリアルタイムの相対状態データのみを用いて、衝突が生じないことを保証する。

ABSTRACT

An autonomous navigation with proven collision avoidance in unknown and dynamic environments is still a challenge, particularly when there are moving obstacles. A popular approach to collision avoidance in the face of moving obstacles is based on model predictive algorithms, which, however, may be computationally expensive. Hence, we adopt a reactive potential field approach here. At every cycle, the proposed approach requires only current robot states relative to the closest obstacle point to find the potential field in the current position; thus, it is more computationally efficient and more suitable to scale up for multiple agent scenarios. Our main contribution here is to write the reactive potential field based motion controller as a hybrid automaton, and then formally verify its safety using differential dynamic logic. In particular, we can guarantee a passive safety property, which means that collisions cannot occur if the robot is to blame, namely a collision can occur only if the robot is at rest. The proposed controller and verification results are demonstrated via simulations and implementation on a Pioneer P3-AT robot.

研究の動機と目的

• 未知かつ動的な環境下における移動ロボットのリアクティブな局所パスプランニングにおける形式的安定性保証の欠如に対処すること。
• モデル予測制御（MPC）の計算負荷を克服しつつ、動く障害物が存在する状況でも安定性を維持すること。
• 障害物の意図を事前に知る必要のない、受動的安定性（ロボットが静止している場合を除き衝突が発生しないこと）を保証するリアクティブなポテンシャルフィールド制御法の開発。
• 各サイクルの計算を最近接障害物点への情報に限定することで、マルチエージェントシステムへのスケーラビリティを確保すること。
• 微分動的論理（d$δ$-calculus）を用いた形式的検証により、安全で証明可能な安定性を実現し、安全が求められる実世界の応用分野への導入を可能にすること。

提案手法

• 離散的および連続的ダイナミクスを捉えるために、リアクティブなポテンシャルフィールド制御法をハイブリッドオートマトンとしてモデル化する。
• 微分動的論理（d$δ$-calculus）を用いて受動的安定性を形式的検証し、ロボットが動いていない場合に限り衝突が発生しないことを保証する。
• 先行研究（[19]のモデル2）の制約を用いて、ロボットの現在の距離および最近接障害物点との相対角度に依存する安全速度限界を導出する。
• 安全速度制約を満たしつつ、目的方向への移動速度を最大化するようにポテンシャルフィールドを設計し、最適かつ安全な運動を実現する。
• 障害物の予測や軌道推定を不要とするために、最近接障害物点へのリアルタイムのロボット状態データ（現在の移動速度 $v$、相対距離 $d$、角度 $α$）のみを用いる。
• Pioneer P3-ATロボットに制御法を実装し、シミュレーションおよび実環境実験により検証した。障害物は予測不能な人間を想定した。

実験結果

リサーチクエスチョン

• RQ1 リアクティブなポテンシャルフィールド制御法は、動的かつ未知の環境下で形式的検証を用いて受動的安定性を保証できるか？
• RQ2 障害物の意図や将来の軌道を知る必要がない状況で、安定性をどのように確保できるか？
• RQ3 計算効率を維持しつつ、安全を保証するための最小限のリアルタイム状態情報のセットは何か？
• RQ4 提案手法は、各サイクルの計算コストを増加させることなく、マルチエージェント環境にスケーラブルに適用可能か？
• RQ5 予測不能な人間の運動を伴う実環境において、この制御法はどのように性能を発揮するか？

主な発見

• SafeGuardPF制御法は、微分動的論理を用いた形式的検証により受動的安定性を保証し、ロボットが静止している場合を除き衝突が発生しないことを保証する。
• 最近接障害物点への現在の相対状態データ（距離 $d$、角度 $α$、速度 $v$）のみを用いることで、計算効率が高く、複数エージェントへのスケーラビリティも確保される。
• Pioneer P3-ATロボットを用いたシミュレーションおよび実環境実験では、予測不能な人間障害物に対しても衝突回避が成功した。人間が近づいた際の減速や、通過時に適応的かつ曲がる動きも実現した。
• 障害物が最大速度 $V$ で移動しても、その将来の行動を事前に知る必要なく、安全な停止距離を維持するように速度を動的に調整する。
• オンライン最適化や軌道予測を回避し、障害物の最大速度に依存する事前検証済みの安全速度限界に依存する。
• 実験結果から、人間が共存する複雑な状況下でも、ロボットはすべてのテスト条件下で安全に目的地点に到達した。