[論文レビュー] Source Seeking in Unknown Environments with Convex Obstacles

Bruno Augusto Angélico, Luiz F. O. Chamon+3 more|arXiv (Cornell University)|Sep 16, 2019

Extremum Seeking Control Systems被引用数 1

ひとこと要約

本論文は、凸な障害物を有する未知の複雑な環境において、スカラーポテンシャル測定値と正弦波極値探索制御（ESC）のみを用いて、ソースへのナビゲーション手法を提案する。オンラインで構築された人工ポテンシャルを最小化することで、障害物の事前知識や勾配情報がなくても、衝突のない収束を保証する。

ABSTRACT

Navigation tasks often cannot be defined in terms of a target, either because global position information is unavailable or unreliable or because target location is not explicitly known a priori. This task is then often defined indirectly as a source seeking problem in which the autonomous agent navigates so as to minimize the convex potential induced by a source while avoiding obstacles. This work addresses this problem when only scalar measurements of the potential are available, i.e., without gradient information. To do so, it construct an artificial potential over which an exact gradient dynamics would generate a collision-free trajectory to the target in a world with convex obstacles. Then, leveraging extremum seeking control loops, it minimizes this artificial potential to navigate smoothly to the source location. We prove that the proposed solution not only finds the source, but does so while avoiding any obstacle. Numerical results with velocity-actuated particles, simulations with an omni-directional robot in ROS+Gazebo, and a robot-in-the-loop experiment are used to illustrate the performance of this approach.

研究の動機と目的

• グローバルな位置情報が得られない状況で、スカラーポテンシャル測定値のみを用いたソース探索を解決すること。
• 障害物の位置が事前に分かっていない非凸な空間を安全に通過できるナビゲーションを可能にすること。
• 局所的なスカラーセンサデータのみを用いて、ソースへの収束を保証するとともに衝突を回避する制御戦略を開発すること。
• 極値探索制御を活用して勾配測定に依存せず、リアルタイムでのポテンシャル最小化を実現すること。
• シミュレーション、Gazebo/ROS環境、および実機ロボットを用いたループ実験を通じて、手法の有効性を検証すること。

提案手法

• ソースポテンシャルのスカラーメジャーメントと凸障害物の部分的知識を用いて、オンラインで人工ナビゲーション関数（NF）を構築する。
• 勾配測定を必要とせず、正弦波極値探索制御（ESC）ループを用いて人工ポテンシャルを最小化する。
• Koditschek-Rimonナビゲーション関数フレームワークを用いて、非凸な自由空間においてもグローバル収束と障害物回避を保証する。
• 探索中に新たな障害物が検出された場合に、リアルタイムでナビゲーション関数を動的に更新する。
• 周期的な摂動と位相に敏感な検出を用いて、勾配を推定する勾配フリー最適化戦略を実装する。
• 速度駆動型粒子、ROS+Gazebo上での全方向移動ロボット、および実際の三輪全方向ロボットを用いて、手法を統合・検証する。

実験結果

リサーチクエスチョン

• RQ1 スカラーポテンシャル測定値と勾配情報なしで、凸障害物を有する未知環境においてロボットがソースに到達可能か？
• RQ2 局所的測定値から構築された人工ポテンシャルを、極値探索制御ループが効果的に最小化できるか？
• RQ3 障害物の位置が事前に分かっていない状況でも、提案手法が衝突のないソースへの収束を保証できるか？
• RQ4 動的障害物検出とリアルタイムでのナビゲーション関数更新に対し、システムはどのように性能を発揮するか？
• RQ5 制限されたセンシングおよび制御能力を持つ実機ロボットに対しても、この手法は成功裏に実装可能か？

主な発見

• 提案手法は、障害物の事前知識が全くない完全に未知の環境を含め、すべてのテスト環境でエージェントをソース位置に効果的に誘導した。
• Neobotix MPO-500ロボットを用いたGazeboシミュレーションでは、5つの障害物のうち3つしか事前に分かっていなくても、衝突なしにソースに到達した。
• 実機三輪全方向ロボットを用いたロボットインザループ実験では、定理1の理論的仮定を満たさない状況でも、成功裏にソース探索が達成された。
• 最大線形速度が0.6 m/sに制限された条件下でも収束が達成されたことから、実用的制約下でのロバスト性が確認された。
• ナビゲーション関数の等高線上での軌道は滑らかで勾配に従う挙動を示し、効果的なポテンシャル最小化が確認された。
• 高いループゲインおよび正規化されたポテンシャルスケーリングに対しても、システムは安定性と性能を維持した。