[論文レビュー] Sampling-Based Temporal Logic Path Planning

Cristian-Ioan Vasile, Călin Belta|arXiv (Cornell University)|Jul 27, 2013

Robotic Path Planning Algorithms参考文献 15被引用数 8

ひとこと要約

本稿では、構成空間内の領域における線形時相論理（LTL）仕様を満たす無限のロボット経路を生成するサンプリングベースの運動計画アルゴリズムを提示する。逐次的にスパースな遷移システムを構築し、LTL式から導出された Büchi 自動機と積自動機を用いることで、確率的完全性を保証するとともに、計算複雑度を低く抑え、反復毎に追加されるサンプルにのみ依存するスケーリングを実現する。

ABSTRACT

In this paper, we propose a sampling-based motion planning algorithm that finds an infinite path satisfying a Linear Temporal Logic (LTL) formula over a set of properties satisfied by some regions in a given environment. The algorithm has three main features. First, it is incremental, in the sense that the procedure for finding a satisfying path at each iteration scales only with the number of new samples generated at that iteration. Second, the underlying graph is sparse, which guarantees the low complexity of the overall method. Third, it is probabilistically complete. Examples illustrating the usefulness and the performance of the method are included.

研究の動機と目的

• 構成空間の次元に伴い指数関数的に増加する従来のLTLベースの運動計画法の高い計算複雑度に対処する。
• サンプリングベースの手法を用いて、複雑な時相論理仕様に対してスケーラブルかつ逐次的な経路計画を可能にする。
• 遷移システムにおけるスパarsityを強制することで、各反復で追加されるサンプルのみを更新対象とすることで、計算複雑度を低く維持する手法を開発する。
• 確率的完全性を保証し、サンプリングを継続するにつれて満たす経路が見つかる確率が1に近づくようにする。
• 静的および動的環境情報の組み合わせを含む高水準の時相論理仕様を用いた自律走行車両の実用的フレームワークを提供する。

提案手法

• 構成空間からのサンプリングにより、スパースな遷移システムを逐次的に構築し、各新しいサンプルが常に有界な数の新しい状態と遷移を追加する。
• システムサイズに応じて減少する関数に基づく下限を設けることで、遷移システム内に存在する任意の2状態間の距離を下限で制約し、スパarsityを強制する。
• LTL仕様から導出された Büchi 自動機と遷移システムの積自動機を構築し、時相論理制約を符号化する。
• LTL式を満たすために不可欠な、Büchi 自動機における受容状態（最終状態）への到達可能性を保証するように、修正された積自動機を用いる。
• 強連結成分（SCC）と到達可能性のチェックに、逐次的アルゴリズムを適用し、新しい遷移や状態が追加された場合にのみ更新を行う。
• 最終状態が存在するまでSCC計算を実行する必要がないという事実を活用し、最終状態が検出された後に計算を延期することで最適化を実現する。

実験結果

リサーチクエスチョン

• RQ1 サンプリングベースのアプローチは、計算複雑度を低く保ちつつ、LTL経路計画において確率的完全性を達成できるか？
• RQ2 サンプリングの増加に伴い状態集合および遷移集合の成長を最小限に抑えるために、遷移システムにおけるスパarsityをどのように強制できるか？
• RQ3 積自動機およびSCCの逐次的メンテナンスは、バッチ再計算と比較してスケーラビリティをどの程度向上させるか？
• RQ4 特に1状態あたりの近隣数が指数関数的に増加する状況において、高次元の構成空間でも本手法は効果的に動作するか？
• RQ5 無限の繰り返しや障害物・危険領域の回避を含む複雑なLTL仕様を、本アルゴリズムは効率的に処理できるか？

主な発見

• 本アルゴリズムは確率的完全性を有する：サンプル数が増加するにつれて、満たす経路が見つかる確率は1に近づく。
• 4つの領域と4つの障害物を含む2次元の事例において、平均6.954秒で解が得られ、そのうちの6.438秒が逐次的探索時間であった。
• 平均して遷移システムは51状態と277遷移を有し、積自動機は643状態と7,414遷移を有した。
• 10次元のハイパーキューブの事例では、平均16.75秒を要し、遷移システムは69状態と1,578遷移にまで拡大し、積自動機は439状態と21,300遷移にまで拡大した。
• 20次元の事例では7.45分を要し、遷移システムは414状態と75,584遷移にまで拡大し、積自動機は1,145状態と425,544遷移にまで拡大した。これは次元の増加に伴う近隣領域サイズの指数的増加を確認するものであった。
• ヒューリスティックな改善策（最終状態が検出されるまでSCC計算を延期し、遷移をバッチで処理する）により、実行時間は顕著に短縮されたが、漸近的複雑度には影響を与えない。