[論文レビュー] Toward Safety-Aware Informative Motion Planning for Legged Robots

Sangli Teng, Yukai Gong+2 more|arXiv (Cornell University)|Mar 26, 2021

Robotic Path Planning Algorithms参考文献 52被引用数 22

ひとこと要約

本稿では、離散時間制御バリア関数（DCBF）とモデル予測制御（MPC）を統合することで、複数ステップにわたる動的実行可能で安全な軌道生成を実現する、安全意識的かつ情報指向の運動計画フレームワークであるSAFE-IIGを提案する。DCBF-MPCと段階的探索情報収集（IIG）アルゴリズムを組み合わせることで、安全で安定した計画が保証されるとともに、確率的マップからの情報量を最大化し、再計画を必要とせずにシミュレーション上での衝突防止で動的実行可能な経路を達成する。

ABSTRACT

This paper reports on developing an integrated framework for safety-aware informative motion planning suitable for legged robots. The information-gathering planner takes a dense stochastic map of the environment into account, while safety constraints are enforced via Control Barrier Functions (CBFs). The planner is based on the Incrementally-exploring Information Gathering (IIG) algorithm and allows closed-loop kinodynamic node expansion using a Model Predictive Control (MPC) formalism. Robotic exploration and information gathering problems are inherently path-dependent problems. That is, the information collected along a path depends on the state and observation history. As such, motion planning solely based on a modular cost does not lead to suitable plans for exploration. We propose SAFE-IIG, an integrated informative motion planning algorithm that takes into account: 1) a robot's perceptual field of view via a submodular information function computed over a stochastic map of the environment, 2) a robot's dynamics and safety constraints via discrete-time CBFs and MPC for closed-loop multi-horizon node expansions, and 3) an automatic stopping criterion via setting an information-theoretic planning horizon. The simulation results show that SAFE-IIG can plan a safe and dynamically feasible path while exploring a dense map.

研究の動機と目的

• 歩行ロボットの既存のサンプリングベースの情報指向運動計画における安全性と動的実行可能性の欠如に対処すること。
• 制御バリア関数とモデル予測制御を用いて、歩行ロボットの動的特性と安全制約を情報収集計画に統合すること。
• 再帰的ホライズンで複数ステップの計画を可能にし、閉ループでのノード拡張を維持しながら安全性と情報最大化を保つ計画法の開発。
• 事前環境知識なしで情報理論的基準に基づき自動的に探索を停止できる仕組みの実現。
• Cassieシリーズ二足歩行ロボットの高精度なシミュレーションを通じて、計画された軌道の実行可能性とロバストネスの検証。

提案手法

• 安全領域の前向き不変性を保証するため、離散時間制御バリア関数（DCBF）を用いて衝突回避と安定性を確保する。
• 再帰的ホライズンの形でモデル予測制御（MPC）を用い、ノード拡張のための複数ステップで動的実行可能な軌道を生成する。
• DCBF-MPC計画法を段階的探索情報収集（IIG）フレームワークに統合し、安全制約を伴う情報最大化型の経路計画を可能にする。
• 環境の高密度かつ確率的マップ上で部分集合関数を用いて情報量の増加を計算し、有益な経路を優先する。
• 情報理論的停止基準に基づく計画ホライズンを適用し、さらなる利益が微小になった時点で探索を終了する。
• 低レベル制御のための簡略化されたLIPモデルに角運動量フィードバックを適用し、計画されたウェイポイントと速度を閉ループで追跡可能にする。

実験結果

リサーチクエスチョン

• RQ1 歩行ロボットのサンプリングベースの情報指向運動計画において、安全性と動的実行可能性を形式的にどのように表現できるか。
• RQ2 DCBF-MPCに基づく複数ステップで閉ループの軌道計画は、1ステップのグリーディ法と比較して経路品質と安全性を向上させられるか。
• RQ3 確率的マップからの情報量を、安全意識的かつ運動学的・動的実行可能計画フレームワークに効果的に統合する方法は何か。
• RQ4 事前環境知識なしで、情報理論的基準に基づき探索を自動的に停止できるか。
• RQ5 計画された軌道は、再計画なしに歩行ロボットのコントローラーによってどの程度閉ループで追従可能か。

主な発見

• SAFE-IIGは、Cassieシリーズ二足歩行ロボットモデルを用いて、複雑な環境において衝突防止で動的実行可能な経路を成功裏に計画した。
• 重心（CoM）位置の閉ループパストラッキング誤差は0.05 m未満を維持し、再計画なしに高い追従精度を示した。
• 1つの障害物環境では、オープンループでのトラッキングドリフトが124ステップで0.8 m未満に抑えられ、洞窟マップ（115ステップ）では0.4 m未満に抑えられた。
• ベースラインのRRT-DCBF-MPCと比較して、滑らかな軌道が得られ、経路のずれが低減され、安定性が向上した。
• DCBF-MPCの統合により、安全で複数ステップのノード拡張が可能となり、各新しいノードが動的実行可能かつ衝突なしに保証された。
• 情報理論的停止基準は、さらなる利益が微小になった段階ですばやく探索を終了し、計画の効率性を向上させた。