[논문 리뷰] A Next-Best-Smell Approach for Remote Gas Detection with a Mobile Robot

Riccardo Polvara, Marco Trabattoni외 4명|arXiv (Cornell University)|2018. 01. 21.

Insect Pheromone Research and Control참고 문헌 19인용 수 4

한 줄 요약

이 논문은 이동 로봇에 장착된 원거리 TDLAS 가스 센서를 사용하여 실시간으로 가스 누출원을 탐지하기 위한 온라인 그레디어스 커버리지 계획 알고리즘인 Next-Best-Smell을 제안한다. 다기준 의사결정(MCDM)을 활용해 이동 거리, 정보 수확량, 센싱 시간을 균형 있게 조정한다. 이 알고리즘은 상대적으로 훨씬 낮은 계산 비용으로 최신의 오프라인 방법과 유사한 성능을 달성하여, 크거나 미지의 환경에서의 확장 가능한 구현이 가능하다.

ABSTRACT

The problem of gas detection is relevant to many real-world applications, such as leak detection in industrial settings and landfill monitoring. Using mobile robots for gas detection has several advantages and can reduce danger for humans. In our work, we address the problem of planning a path for a mobile robotic platform equipped with a remote gas sensor, which minimizes the time to detect all gas sources in a given environment. We cast this problem as a coverage planning problem by defining a basic sensing operation -- a scan with the remote gas sensor -- as the field of "view" of the sensor. Given the computing effort required by previously proposed offline approaches, in this paper we suggest a online coverage algorithm, called Next-Best-Smell, adapted from the Next-Best-View class of exploration algorithms. Our algorithm evaluates candidate locations with a global utility function, which combines utility values for travel distance, information gain, and sensing time, using Multi-Criteria Decision Making. In our experiments, conducted both in simulation and with a real robot, we found the performance of the Next-Best-Smell approach to be comparable with that of the state-of-the-art offline algorithm, at much lower computational cost.

연구 동기 및 목표

• 이동 로봇에 원거리 가스 센서를 탑재하여 위험한 환경에서 효율적인 가스 누출원 탐지를 해결하고자 한다.
• 기존 환경이 알려진 상황에서 모든 가스 누출원을 최소한의 탐지 시간으로 탐지할 수 있도록 계산 비용이 낮은 온라인 커버리지 계획 전략을 개발하고자 한다.
• 다기준 의사결정(MCDM)에 센싱 시간을 핵심 기준으로 포함시켜 Next-Best-View(NBV) 패러다임을 가스 탐지에 확장하고자 한다.
• 제안된 방법의 성능을 시뮬레이션 및 실제 환경 실험에서 최신의 오프라인 알고리즘과 비교 평가하고자 한다.
• 온라인 반응형 계획을 통해 확장성과 미지 환경에 대한 적응성을 확보하고자 한다.

제안 방법

• 알고리즘은 가스 탐지를 커버리지 문제로 모델링하며, 각 원거리 센싱 스캔은 고정된 범위(최대 30m)를 가진 '시야 영역'을 정의한다.
• 스캔된 영역와 미스캔된 영역의 경계선을 따라 후보 센싱 자세를 선택함으로써 점진적인 커버리지가 보장된다.
• 전역 유틸리티 함수는 세 가지 기준을 통합한다: 이동 비용(거리), 정보 수확량(예상되는 새로운 커버리지), 센싱 시간(각 스캔의 지속 시간).
• 다기준 의사결정(MCDM)을 사용하여 각 후보 자세에 대해 이러한 기준들을 하나의 유틸리티 점수로 통합한다.
• 로봇은 유틸리티 값이 가장 높은 자세를 선택함으로써 실시간으로 그레디어스이고 반응형인 경로 계획을 수행한다.
• 이 방법은 TDLAS 센서와 빔 조종을 위한 펜-틸트 메커니즘을 갖춘 이동 로봇 플랫폼에 구현되었다.

실험 결과

연구 질문

• RQ1 온라인 그레디어스 커버리지 알고리즘이 원거리 가스 탐지에서 최적의 오프라인 솔루션과 유사한 성능을 달성할 수 있는가?
• RQ2 센싱 시간을 기준으로 포함시킬 경우, 가스 누출원 탐지의 효율성과 수렴 속도에 어떤 영향을 미치는가?
• RQ3 MCDM 기반 접근법이 계산 비용을 줄이며, 크거나 복잡한 환경으로 확장 가능한 정도는 어느 정도인가?
• RQ4 장애물 맵핑과 함께 실시간으로 작동할 때 알고리즘이 미지 환경에서 어떻게 성능을 발휘하는가?
• RQ5 다양한 환경 유형(예: 복도 vs. 개방된 공간)에서 수렴 속도를 향상시키기 위한 파라미터 튜닝 전략은 무엇인가?

주요 결과

• Next-Best-Smell 알고리즘은 초기에 80–90%의 환경 커버리지 달성 후 100%로의 수렴 속도가 느려지는 경향을 보이며, 효과적인 초기 탐지 능력을 입증하였다.
• Arain 등이 제안한 최신 오프라인 알고리즘 [5]과 유사한 성능를 보였지만, 계산 비용이 크게 감소하였다.
• 알고리즘은 확장성과 적응성을 입증하였으며, 장애물 맵핑과 함께 작동하여 미지 환경에서도 알려진 환경과 비교해 10% 이내의 추가 시간만에 커버리지에 성공하였다.
• MCDM 유틸리티 함수의 파라미터 튜닝을 통해 좁은 복도나 개방된 공간과 같은 다양한 환경 유형에서 수렴 속도 향상을 달성하였다.
• 센싱 시간은 핵심 요소로 규명되었으며, 유틸리티 함수에 포함시킴으로써 전체 탐지 효율성이 향상되었다.
• 실제 환경 실험을 통해 알고리즘이 산업 현장이나 환경 모니터링 응용 분야에 구현 가능한 것으로 확인되었다.