[論文レビュー] SLAP: Simultaneous Localization and Planning Under Uncertainty for Physical Mobile Robots via Dynamic Replanning in Belief Space: Extended version

Ali‐akbar Agha‐mohammadi, Saurav Agarwal+3 more|arXiv (Cornell University)|Oct 26, 2015

Reinforcement Learning in Robotics被引用数 3

ひとこと要約

本稿では、不確実性下でも物理的移動ロボットが同時位置特定と計画を実行できる belief space 内の動的再計画フレームワークである SLAP を提案する。FIRM グラフを事前計算し、オンラインでのロールアウト方策を活用することで、ホモトピークラスをまたがるリアルタイム再計画を実現し、不要な安定化ステップを排除することで FIRM より優れた性能を達成し、大きな位置ずれを伴う動的かつ不確実な環境でも頑健なナビゲーションを可能にする。

ABSTRACT

Simultaneous localization and Planning (SLAP) is a crucial ability for an autonomous robot operating under uncertainty. In its most general form, SLAP induces a continuous POMDP (partially-observable Markov decision process), which needs to be repeatedly solved online. This paper addresses this problem and proposes a dynamic replanning scheme in belief space. The underlying POMDP, which is continuous in state, action, and observation space, is approximated offline via sampling-based methods, but operates in a replanning loop online to admit local improvements to the coarse offline policy. This construct enables the proposed method to combat changing environments and large localization errors, even when the change alters the homotopy class of the optimal trajectory. It further outperforms the state-of-the-art FIRM (Feedback-based Information RoadMap) method by eliminating unnecessary stabilization steps. Applying belief space planning to physical systems brings with it a plethora of challenges. A key focus of this paper is to implement the proposed planner on a physical robot and show the SLAP solution performance under uncertainty, in changing environments and in the presence of large disturbances, such as a kidnapped robot situation.

研究の動機と目的

• 部分的に観測可能で不確実な環境において、動的変化を伴うオンライン同時位置特定と計画（SLAP）の課題に対処すること。
• belief の更新に伴い完全な再計算を要する単一クエリ POMDP ソルバの限界を克服し、リアルタイム SLAP に不適切であることを解消すること。
• 大きな位置ずれ（例：ロボットのキリング）が発生した後でも、異なるホモトピークラスの軌道間を再計画可能に動的再計画を実現すること。
• 実世界の屋内環境における物理的移動ロボット上で、belief space プランナを実装・検証すること。
• 従来の安定化ベースのアプローチにおける性能のトレードオフを回避しながら、高い成功確率と性能を維持できることを示すこと。

提案手法

• サンプリングベースの手法を用いて、クエリに依存しない FIRM（フィードバックベースのインフォーメーション・ロードマップ）グラフを事前に計算し、異なる初期信念に対して再利用可能にする。
• FIRM グラフをベースポリシーおよびコスト到達予測として用い、belief space 内でロールアウト方策を用いてオンライン再計画を実行する。
• 事前に計算された遷移確率およびコストを再利用することで、完全な再計算なしに高速なオンライン更新を可能にする動的再計画を適用する。
• belief 樹木探索における信念の指数的増大を抑えるために、belief space 内で局所的フィードバック制御（ファンキュラル・ファンネル）を統合し、belief グラフ構築により線形増大を実現する。
• ガウス分布による信念近似と局所線形化可能なシステムダイナミクスを活用し、信念の進化を安定化する閉ループ制御則を設計する。
• 期待されるコスト到達に基づいて候補アクションを評価する belief-space ロールアウト方策を実装し、環境変化および位置ずれへのオンライン適応を可能にする。

実験結果

リサーチクエスチョン

• RQ1 大きな位置ずれが発生した後でも、不確実性下でリアルタイムかつ動的再計画が可能な belief space プランニングフレームワークは、実現可能か？
• RQ2 FIRM のようなマルチクエリ・クエリに依存しない計画法は、連続的かつ部分的に観測可能な環境において、オンライン SLAP をどのようにサポートできるか？
• RQ3 FIRM における安定化段階を排除することで、不確実かつ動的環境下での性能および成功確率にどの程度の向上が得られるか？
• RQ4 提案手法は、障害物の動的変化やポーズのずれを伴う複雑な変化する環境において、物理的ロボットを効果的に誘導できるか？
• RQ5 事前計算された FIRM の構築とオンラインのロールアウトベース再計画の組み合わせは、単一クエリソルバと比較して、計算効率および頑健性をどの程度向上させるか？

主な発見

• 提案された SLAP フレームワークは、環境変化に伴い異なるホモトピークラスの軌道間を切り替えられるリアルタイムの動的再計画を、belief space 内で成功裏に実現した。
• 安定化ステップの必要性を排除することで、最先端の FIRM フレームワークを上回り、以前はトレードオフとされていた性能と成功確率を回復させた。
• 事前に計算されたコストおよび遷移確率を再利用することで、オンライン再計画プロセスの計算オーバーヘッドを低減し、リアルタイム動作を実現した。
• 広範なシミュレーションにより、特に大きな位置ずれが発生する状況下でも、成功確率および頑健性の面で顕著な性能向上が確認された。
• 実世界の屋内環境における物理的ロボット上での実装により、動的障害物マップおよびポーズのずれを伴う環境でも、信頼性の高いナビゲーションが実証された。
• ロールアウトベースの再計画戦略により、ロボットのキリングなどの大規模な摂動に対しても回復可能であり、持続的なセンシングおよび制御ノイズ下でも目標指向行動を維持できた。