[論文レビュー] Search-based Planning of Dynamic MAV Trajectories Using Local Multiresolution State Lattices

Daniel Schleich, Sven Behnke|arXiv (Cornell University)|Mar 26, 2021

Robotic Path Planning Algorithms参考文献 25被引用数 16

ひとこと要約

本稿では、マイクロエアロダルビークル（MAVs）における効率的で動的実行可能である軌道計画のための局所的マルチスケール状態格子を提案する。遠くの状態や速度を粗く表現しつつも、MAVに近い領域では高分解能を維持し、レベルベースのA*拡張方式と1次元部分問題ヒューリスティクスを組み合わせることで、均一な格子と比較して最大90％の再計画時間短縮を達成し、障害物が頻繁に変化する大規模で動的な環境でもリアルタイムでのオンライン再計画が可能となり、軌道コストの増加は最小限（≤6％）に抑えられる。

ABSTRACT

Search-based methods that use motion primitives can incorporate the system's dynamics into the planning and thus generate dynamically feasible MAV trajectories that are globally optimal. However, searching high-dimensional state lattices is computationally expensive. Local multiresolution is a commonly used method to accelerate spatial path planning. While paths within the vicinity of the robot are represented at high resolution, the representation gets coarser for more distant parts. In this work, we apply the concept of local multiresolution to high-dimensional state lattices that include velocities and accelerations. Experiments show that our proposed approach significantly reduces planning times. Thus, it increases the applicability to large dynamic environments, where frequent replanning is necessary.

研究の動機と目的

• MAV軌道計画のための高次元状態格子の探索における高い計算コストを低減すること。
• 障害物が頻繁に変化する大規模で動的な環境において、リアルタイムでのオンライン再計画を可能にすること。
• 空間的および速度的分解能の適応を活用することで、計画時間の短縮と同時に軌道の最適性および動的実行可能性を維持すること。
• 繰り返しの再計画が可能なスケーラブルで効率的な探索フレームワークを構築すること。

提案手法

• MAVの現在位置からの距離に応じて空間的および速度的分解能を粗くすることで、高次元状態格子に局所的マルチスケールを適用する。
• A*におけるレベルベースの拡張方式を用い、分解能レベルに応じた状態探索の優先順位を設定することで、不要な拡張を削減する。
• 線形二次最小時間問題の1次元部分問題を解くことで得られるヒューリスティクスを用い、A*の効率的な探索を促進する。
• 分解能レベル間の遷移時に運動プリミティブを適応させることで、ターゲットグリッドの分解能に一致する状態を保証する。
• 経路コストとヒューリスティクスに基づくf値を用いてA*探索に統合し、拡張順序を動的に調整する。
• 各レベル間で状態表現を一貫させ、分解能のみを変化させる。これにより、従来の方法とは異なり、各レベルで異なるアクションセットを用いるのを避ける。

実験結果

リサーチクエスチョン

• RQ1 高次元状態格子における局所的マルチスケールが、MAV軌道計画の計画時間を顕著に短縮できるか？
• RQ2 均一な格子と比較して、マルチスケールが軌道コストと最適性に与える影響は何か？
• RQ3 提案されたレベルベースの拡張方式は、マルチスケール計画におけるf値の閾値上昇に起因する拡張状態数の増加を緩和できるか？
• RQ4 1次元部分問題ヒューリスティクスは、探索効率および解の品質にどのような影響を与えるか？
• RQ5 未知の障害物を有する大規模で動的な環境において、本手法は1 Hzの再計画周波数を維持できるか？

主な発見

• 提案手法は、均一な状態格子と比較して最大90％の再計画時間短縮を達成し、シミュレーションでは最大0.69秒まで短縮された。
• レベルベースの拡張方式と1次元ヒューリスティクスを組み合わせることで、ベースラインが失敗する困難なタスクにおいても100％の有効な軌道発見率を達成した。
• 軌道コストは最適なベースラインと比較して最大6％高いが、均一な格子では平均コストが5％増加する一方、マルチスケールでは固定時間ステップ下でわずかにコストが低下した。
• 動的環境において1 Hzの再計画周波数を維持でき、均一な格子では1秒を超える再計画ステップが89.8％にのぼったが、最良のマルチスケールバージョンではわずか16.33％にまで低下した。
• 実世界のテストでは、本手法が物理的なMAV上でオンライン軌道計画を成功裏に実行でき、実用的応用の有効性を示した。
• 1次元ヒューリスティクスとレベルベースの拡張により、平均拡張状態数は108万から8,505にまで減少し、状態拡張数は92％削減された。