[論文レビュー] Towards Efficient MPPI Trajectory Generation with Unscented Guidance: U-MPPI Control Strategy

Ihab S. Mohamed, Junhong Xu+2 more|arXiv (Cornell University)|Jun 21, 2023

Real-time simulation and control systemsEngineering被引用数 3

ひとこと要約

本稿では、システム状態の平均および分散を伝搬するためにアンサンブル変換（Unscented Transform）を用いるリスク感受性で不確実性に配慮したMPPIの拡張版であるU-MPPIを提案する。これにより、より効率的な軌道サンプリングとより高いロバスト性が実現され、通常のMPPIに比べて局所化精度が向上した。本手法は、混雑した環境でも衝突のない滑らかなナビゲーションを達成した。

ABSTRACT

The classical Model Predictive Path Integral (MPPI) control framework, while effective in many applications, lacks reliable safety features due to its reliance on a risk-neutral trajectory evaluation technique, which can present challenges for safety-critical applications such as autonomous driving. Furthermore, when the majority of MPPI sampled trajectories concentrate in high-cost regions, it may generate an infeasible control sequence. To address this challenge, we propose the U-MPPI control strategy, a novel methodology that can effectively manage system uncertainties while integrating a more efficient trajectory sampling strategy. The core concept is to leverage the Unscented Transform (UT) to propagate not only the mean but also the covariance of the system dynamics, going beyond the traditional MPPI method. As a result, it introduces a novel and more efficient trajectory sampling strategy, significantly enhancing state-space exploration and ultimately reducing the risk of being trapped in local minima. Furthermore, by leveraging the uncertainty information provided by UT, we incorporate a risk-sensitive cost function that explicitly accounts for risk or uncertainty throughout the trajectory evaluation process, resulting in a more resilient control system capable of handling uncertain conditions. By conducting extensive simulations of 2D aggressive autonomous navigation in both known and unknown cluttered environments, we verify the efficiency and robustness of our proposed U-MPPI control strategy compared to the baseline MPPI. We further validate the practicality of U-MPPI through real-world demonstrations in unknown cluttered environments, showcasing its superior ability to incorporate both the UT and local costmap into the optimization problem without introducing additional complexity.

研究の動機と目的

• リスクニュートラルなMPPIには安全保証が欠けているため、高コスト領域で実行不能な制御シーケンスが生じる可能性があることに対処する。
• アンサンブル変換による不確実性伝搬を活用して、状態空間の探索を改善し、局所解に陥るのを減らす。
• 不確実性を明示的に考慮するリスク感受性のコスト関数を導入し、軌道評価時に不確実性を反映させる。
• アンサンブル変換と局所コストマップを統合することで、計算複雑度を増加させることなく、運動の滑らかさと局所化精度を向上させる。
• 実環境およびシミュレーション環境の両方で、既知および未知の混雑した環境における攻撃的ナビゲーションを検証する。

提案手法

• 各タイムステップで、MPPIにおける標準的なガウスノイズサンプリングに代わり、状態ベクトルの平均および分散を伝搬するためにアンサンブル変換（UT）を適用する。
• M個のサンプル軌道を生成するために、nσ = 2nx + 1個のシグマポイントをMσバッチに渡って伝搬する。これにより、ランダムなノイズ注入に比べてより情報に基づいた効率的なサンプリングが可能になる。
• システムの状態分散を軌道評価プロセスに統合し、不確実性が低い、確率が高い領域へ向かうサンプリングをガイドする。
• 分散が高く不確実性の大きな軌道をペナルティ化するリスク感受性のコスト関数を定式化し、不確実な条件下でも耐性を高める。
• UTに基づく不確実性伝搬とコストマップを組み合わせることで、計算複雑度を増加させることなく、軌道最適化をガイドする。
• GPUアクセラレーションを用いた実装により、1イテレーションあたり33.33ms未満の実行時間を維持し、リアルタイム性能を確保する。

Figure 1 : Our proposed sampling strategy, for a ground vehicle model, under the U-MPPI control strategy based on unscented transform; such a sampling strategy propagates both the mean $\bar{\mathbf{x}}_{k}$ (blue dots) and covariance $\mathbf{\Sigma}_{k}$ (gray ellipses) of the state vector at each

実験結果

リサーチクエスチョン

• RQ1 アンサンブル変換は、MPPIベースの制御における軌道サンプリング効率および状態空間探索を改善できるか？
• RQ2 状態分散伝搬を組み込むことで、不確実な環境における衝突回避性およびロバスト性はどのように向上するか？
• RQ3 リスク感受性のコスト関数は、不確実性下でのMPPIの安全性および性能をどの程度向上させるか？
• RQ4 U-MPPIは、運動の滑らかさと局所化精度を向上させる一方で、リアルタイム性能を維持できるか？
• RQ5 実環境の混雑した環境において、U-MPPIは通常のMPPIと比較して、成功確率、衝突回避性、局所化精度の点でどの程度優れているか？

主な発見

• U-MPPIは、混雑した屋内通路で6回の実世界試行においてゼロ衝突を達成したのに対し、通常のMPPIは平均して1回/試行の衝突を記録した。
• U-MPPIは、MPPI（257.75 m/s³および306.91 rad/s³）と比較して、累積線形ジャerk（228.15 m/s³）および角ジャerk（263.02 rad/s³）が著しく低く、より滑らかな運動を示した。
• U-MPPIでは、x方向誤差が0.10 m（MPPIは0.38 m）に、y方向誤差が-0.04 m（MPPIは0.30 m）にまで低減され、局所化精度が向上した。
• U-MPPIの方位誤差は0.80°と低く、MPPIの7.20°と比較して、より良いヘディングの一貫性を示した。
• わずかに長い実行時間であったが、U-MPPIはt_exec < 33.33 msを維持しており、オンライン制御に実行可能であることが保証された。
• LOAMのポーズ誤差の可視化により、滑らかな制御入力を通じて、特に最悪ケースの試行で累積的な局所化ドリフトがU-MPPIで低減されていることが確認された。

Figure 2 : Schematic illustration of system dynamics propagation in MPPI for $M$ sampled trajectories over a finite time-horizon $N$ .