[論文レビュー] Teach-Repeat-Replan: A Complete and Robust System for Aggressive Flight in Complex Environments

Fei Gao, Luqi Wang+4 more|arXiv (Cornell University)|Jul 1, 2019

Robotic Path Planning Algorithms参考文献 43被引用数 7

ひとこと要約

本論文は、複雑な環境における攻撃的で自律的なマルチロトプル飛行のための完全かつ強固なシステムであるTeach-Repeat-Replanを提案する。このシステムは、空間的・時間的最適化を用いて、任意の急激な動きを示す人間の操縦経路を、トポロジカルに同等で滑らかで運動学的・動力学的に実行可能なグローバル経路に変換する。同時に、オンボードのスライディングウィンドウ型局所的認識と高速再計画を統合し、未マップの障害物や動的障害物を回避する。これにより、変化する屋内・屋外環境においても、リアルタイムでの適応と高精度の追従を実現し、安全かつ攻撃的な飛行が可能になる。

ABSTRACT

In this paper, we propose a complete and robust motion planning system for the aggressive flight of autonomous quadrotors. The proposed method is built upon on a classical teach-and-repeat framework, which is widely adopted in infrastructure inspection, aerial transportation, and search-and-rescue. For these applications, human's intention is essential to decide the topological structure of the flight trajectory of the drone. However, poor teaching trajectories and changing environments prevent a simple teach-and-repeat system from being applied flexibly and robustly. In this paper, instead of commanding the drone to precisely follow a teaching trajectory, we propose a method to automatically convert a human-piloted trajectory, which can be arbitrarily jerky, to a topologically equivalent one. The generated trajectory is guaranteed to be smooth, safe, and kinodynamically feasible, with a human preferable aggressiveness. Also, to avoid unmapped or dynamic obstacles during flights, a sliding-windowed local perception and re-planning method are introduced to our system, to generate safe local trajectories onboard. We name our system as teach-repeat-replan. It can capture users' intention of a flight mission, convert an arbitrarily jerky teaching path to a smooth repeating trajectory, and generate safe local re-plans to avoid unmapped or moving obstacles. The proposed planning system is integrated into a complete autonomous quadrotor with global and local perception and localization sub-modules. Our system is validated by performing aggressive flights in challenging indoor/outdoor environments. We release all components in our quadrotor system as open-source ros-packages.

研究の動機と目的

• 人間の操縦経路がしばしば最適でない複雑な環境において、攻撃的で自律的な飛行を可能にする強固で包括的なシステムの開発。
• 環境の変化や教示品質の悪さに対して失敗する古典的な教示・再現システムの限界を克服すること。
• ユーザーの意図を尊重しながら、滑らかで安全で運動学的・動力学的に実行可能な経路を生成する自律マルチロトプルの実現。
• 飛行中に未マップの障害物や移動障害物に対処するため、オンラインでの局所的認識と再計画を統合すること。
• エキスパートの操縦を必要とせず、実世界の応用に向けた実用的でアクセスしやすい攻撃的飛行を実現すること。

提案手法

• 本システムは、オンボードセンサーを用いたマップ再構築を伴うシミュレーテッド環境で人間の操縦経路を記録する仮想的教示インターフェースを使用する。
• GPUアクセラレートされた凸多面体クラスタリング法により、教示経路のトポロジカル構造を保持した飛行通路を生成する。
• グローバル経路生成は空間的最適化と時間的最適化に分離される：エネルギー最適な空間的経路と時間最適な時間的プロファイルが、座標降下法を用いて反復的に最適化される。
• 本システムは、ステレオカメラを用いたスライディングウィンドウ型局所的認識モジュールを採用し、0.075m解像度の動的でリングバッファ型の占有地図を構築する。
• 高速な局所的再計画モジュールは、勾配ベースの局所的経路ラッピングを用い、動的または未マップの障害物に対してリアルタイム（15Hz）で安全で運動学的・動力学的に実行可能なスプラインを生成する。
• グローバル計画と局所的再計画を融合させ、局所的位置ずれや環境変化があっても、参照経路の安全な追従を保証する。

実験結果

リサーチクエスチョン

• RQ1 任意の急激な動きを示す人間の操縦経路を、ユーザーの意図するトポロジカル構造を保持した滑らかで安全で運動学的・動力学的に実行可能なグローバル経路に変換する方法は何か？
• RQ2 教示経路の周囲の主要な自由空間を捉えつつ、効率的なグローバル最適化を可能にする飛行通路を生成する有効な手法は何か？
• RQ3 未マップの障害物や移動障害物に直面した場合、リアルタイムで安全で安定した攻撃的飛行を維持する方法は何か？
• RQ4 グローバルマップの再初期化なしに、環境変化に耐性があり低遅延で適応可能な局所的認識と再計画戦略は何か？
• RQ5 GPSなしの複雑な屋内・屋外環境において、高攻撃的飛行性能を維持しながら、高精度の追従と強固な性能を確保する方法は何か？

主な発見

• 本システムは、最大2 m/sの速度と2 m/s²の加速度で攻撃的な屋内飛行を実行し、動的障害物のため8回の局所的再計画が発生したが、変化するドローンレーシングコースにおいても安全なナビゲーションを達成した。
• 屋外実験では、最大7 m/sの速度と6 m/s²の加速度で飛行し、視覚慣性測位（VINS）と局所的認識のみを用いてGPSなし環境でも強固に飛行を維持した。
• 屋外試験では、局所的再計画モジュールが15 Hzで動作し、2.0秒の予測ホライズンを有していた。これにより、突然の環境変化に対してもリアルタイムで適応し、安全な経路追従を維持できた。
• グローバル経路生成は高い忠実度を達成しており、図23に示すように、高速飛行時でさえ位置推定誤差と速度推定誤差が許容範囲内に保たれた。
• GPUアクセラレートされた凸多面体クラスタリングを用いた飛行通路生成手法により、複雑でごみだらけの環境からの効率的かつ正確な通路抽出が可能になった。
• 本システムは、屋内ドローンレース、森林飛行、第三者のデモを含む多様なシナリオで検証され、その強固さ、柔軟性、実世界への適用可能性が確認された。