[논문 리뷰] A Distributed Multi-Vehicle Coordination Algorithm for Navigation in Tight Environments

Roya Firoozi, Laura Ferranti외 3명|arXiv (Cornell University)|2020. 06. 20.

Advanced Control Systems Optimization참고 문헌 38인용 수 16

한 줄 요약

이 논문은 이중 분해를 사용하여 실시간, 충돌 없는 다중 로봇 팀 주행을 가능하게 하는 분산 비선형 모델 예측 제어(NMPC) 알고리즘을 제안한다. 로봇을 다면체로 모델링하고, 쌍대성에 기반한 최소 거리 문제로 충돌 회피를 정식화함으로써, 협업을 국소적 NMPC와 이웃 로봇의 의도 기반 충돌 회피 최적화로 분리함으로써 계산 효율성과 확장성을 확보하면서도 이질적인 팀과 플라토oning 시나리오에서 안전성과 유한한 예측 오차를 유지한다.

ABSTRACT

This work presents a distributed method for multi-vehicle coordination based on nonlinear model predictive control (NMPC) and dual decomposition. Our approach allows the vehicles to coordinate in tight spaces (e.g., busy highway lanes or parking lots) by using a polytopic description of each vehicle's shape and formulating collision avoidance as a dual optimization problem. Our method accommodates heterogeneous teams of vehicles (i.e., vehicles with different polytopic shapes and dynamic models can be part of the same team). Our method allows the vehicles to share their intentions in a distributed fashion without relying on a central coordinator and efficiently provides collision-free trajectories for the vehicles. In addition, our method decouples the individual-vehicles' trajectory optimization from their collision-avoidance objectives enhancing the scalability of the method and allowing one to exploit parallel hardware architectures. All these features are particularly important for vehicular applications, where the systems operate at high-frequency rates in dynamic environments. To validate our method, we apply it in a vehicular application, that is, the autonomous lane-merging of a team of connected vehicles to form a platoon. We compare our design with the centralized NMPC design to show the computational benefits of the proposed distributed algorithm.

연구 동기 및 목표

• 제한된 환경(고속도로, 창고, 운하 등)을 주행하는 다중 로봇 시스템을 위한 계산 효율적인 분산 협업 전략을 개발하는 것.
• 다양한 형태와 동역학을 가진 이질적 로봇 팀의 안전하고 실시간의 경로 계획을 비선형 모델 예측 제어(NMPC)를 통해 가능하게 하는 것.
• 중앙집중식 NMPC 문제를 국소적이고 이웃 간 통신이 가능한 부분 문제로 분해하면서도, 쌍대성 기반 재정식을 통해 충돌 회피를 유지하는 것.
• 분산 설계에서 개방 루프 이웃 경로 예측으로 인한 오차를 정량화하고 유한한 범위로 제한하는 것.
• 동질적 플라토oning 시나리오와 이질적 로봇 협업 작업 모두에서 방법의 유효성을 검증하는 것.

제안 방법

• 각 로봇의 형상을 다면체 표현으로 모델링하여 근사 없이 정확한 기하 치수를 반영함으로써 좁은 공간 내 정밀한 충돌 회피를 가능하게 한다.
• 두 다면체 간 최소 거리를 원래 최적화 문제로 정의하고, 이를 쌍대성 이론을 사용해 이중 타당성 문제로 변환함으로써 충돌 제약 조건을 NMPC 정식화에 통합한다.
• 중앙집중식 NMPC 문제를 두 개의 번갈아가는 최적화 계층으로 분해한다: (1) 각 로봇의 상태 경로를 위한 국소적 NMPC, (2) 공유 충돌 회피 변수를 계산하는 이웃 간 통신 기반 충돌 회피 최적화.
• 이중 표현은 충돌 회피 부분 문제를 로봇 수에 관계없이 고정된 차원에서 효율적으로 해결할 수 있게 하며, 국소적 NMPC 문제들은 고정된 수의 결정 변수를 유지한다.
• 이중 최적화 기반의 양단 최적화 기법은 상태 최적화와 충돌 회피 최적화를 분리함으로써 실시간 타당성을 확보하며, 예측된 이웃 상태 경로에 대한 오차 한계를 유도한다.
• 예측 오차 한계를 국소적 NMPC 정식화에 통합하여 개방 루프 이웃 상태 예측에 대한 강인성을 유지한다.

실험 결과

연구 질문

• RQ1 제한된 환경에서 실시간으로 안전하게 다중 로봇 팀을 협업시킬 수 있는 분산 NMPC 프레임워크를 설계할 수 있는가?
• RQ2 임의의 다면체 형상을 가진 로봇 간의 충돌 회피를 쌍대성 이론을 활용해 분산 최적화 프레임워크에 어떻게 통합할 수 있는가?
• RQ3 중앙집중식 NMPC 구현 대비 분산 접근 방식의 계산적 이점은 확장성과 실시간 성능 측면에서 어떻게 나타나는가?
• RQ4 개방 루프 이웃 경로 예측으로 인한 오차는 시스템 성능에 어떤 영향을 미치며, 국소 제어 설계에서 이를 유한한 범위로 제한하고 보완할 수 있는가?
• RQ5 제안된 방법은 다양한 형태와 동역학 모델을 가진 이질적 로봇 팀을 좁은 환경에서 효과적으로 협업시킬 수 있는가?

주요 결과

• 분산 알고리즘이 중앙집중식 NMPC의 계산 부담을 줄여 좁은 환경(예: 고속도로 플라토oning)에서 실시간으로 실행 가능한 협업을 가능하게 한다.
• 다양한 다면체 형상을 가진 이질적 로봇 팀의 협업을 성공적으로 수행하여 동질적 팀을 초월한 강인성과 확장성을 입증한다.
• 개방 루프 이웃 상태 추정으로 인한 예측 오차는 유한하고 작으며, 국소적 NMPC 정식화 내에서 이를 고려함으로써 안전성과 성능을 유지한다.
• 플라토oning 시뮬레이션에서 분산 접근 방식은 중앙집중식 NMPC와 동일한 안전성과 경로 품질을 달성하면서도 계산 시간을 크게 감소시킨다.
• 이중 분해 접근은 충돌 회피 부분 문제를 고정된 차원(밀리초 내)에서 해결할 수 있게 하여 로봇 수에 관계없이 확장 가능성을 확보한다.
• 직사각형 차량의 경우 오차 한계의 조건 수치 상수는 1로 단순화되어 실용 응용에서 날카롭고 예측 가능한 오차 한계를 보장한다.