[논문 리뷰] A Pareto Optimal D* Search Algorithm for Multiobjective Path Planning

Alexander Lavin|arXiv (Cornell University)|2015. 11. 03.

Robotic Path Planning Algorithms참고 문헌 12인용 수 6

한 줄 요약

이 논문은 다목적 경로 계획에서 다목적 최적의 D* 탐색 알고리즘인 D*-PO를 제안한다. D* 프레임워크에 파레토 최적성(Pareto optimality)을 통합함으로써, 각 단계에서 지배당하지 않는 해를 보장하며, 다섯 가지 경로 비용 목표를 가진 화성 탐사로봇 시뮬레이션에서 기존의 A* 및 D* 알고리즘을 능가한다.

ABSTRACT

Path planning is one of the most vital elements of mobile robotics, providing the agent with a collision-free route through the workspace. The global path plan can be calculated with a variety of informed search algorithms, most notably the A* search method, guaranteed to deliver a complete and optimal solution that minimizes the path cost. D* is widely used for its dynamic replanning capabilities. Path planning optimization typically looks to minimize the distance traversed from start to goal, but many mobile robot applications call for additional path planning objectives, presenting a multiobjective optimization (MOO) problem. Common search algorithms, e.g. A* and D*, are not well suited for MOO problems, yielding suboptimal results. The search algorithm presented in this paper is designed for optimal MOO path planning. The algorithm incorporates Pareto optimality into D*, and is thus named D*-PO. Non-dominated solution paths are guaranteed by calculating the Pareto front at each search step. Simulations were run to model a planetary exploration rover in a Mars environment, with five path costs. The results show the new, Pareto optimal D*-PO outperforms the traditional A* and D* algorithms for MOO path planning.

연구 동기 및 목표

• 다양한 상충되는 목적이 존재하는 다목적 경로 계획(MOO)에서 기존의 A* 및 D* 알고리즘의 한계를 해결한다.
• 실시간에서 파레토 최적성을 유지하는 동적 재계획 알고리즘을 개발한다. 이는 불확실하거나 변화하는 환경을 주행하는 이동로봇에게 필수적이다.
• 각 탐색 단계에서 지배당하지 않는 해를 계산함으로써, 표준 MOO 접근 방식에서 흔히 발생하는 부분 최적의 트레이드오프를 방지한다.
• 거리, 에너지, 시간, 방사선 노출, 지형의 거칠기 등 여러 기준을 동시에 최적화할 필요가 있는 응용 분야를 위한 효율적이고 증분적인 경로 계획을 가능하게 한다.
• 다양한 운영 제약 조건을 균형 잡는 데 필요로 하는 행 星 탐사 로봇 공학을 위한 확장 가능하고 견고한 솔루션을 제공한다.

제안 방법

• 탐색 중 각 노드에서 지배당하지 않는 경로 집합을 유지함으로써 D* 알고리즘을 파레토 최적성에 통합한다.
• 각 탐색 단계에서 다중 비용 함수 기반으로 파레토 프론트를 계산하고 저장하며, 모든 목표에서 다른 해가 지배하지 않는 것을 보장한다.
• 목표 향한 탐색을 유도하기 위해 우선순위 큐를 사용하며, 새로운 정보(예: 지형 변화) 수신 시 경로 비용을 동적으로 업데이트한다.
• 최적의 트레이드오프를 추정하는 다목적 휴리스틱 함수를 통합하여, 동적 조건 하에서도 최적성을 유지한다.
• 각 노드 확장 시 지배 체크를 수행하여 지배당하지 않는 경로만 유지함으로써, 해 집합이 파레토 최적성을 유지하도록 한다.
• D*의 증분적 성격을 활용하여, 새로운 장애물이나 비용 변화가 감지될 경우 전체 재계산 없이도 효율적으로 재계획을 수행한다.

실험 결과

연구 질문

• RQ1 D* 알고리즘이 동적이고 다목적 경로 계획 환경에서 파레토 최적성을 유지할 수 있는가?
• RQ2 제안된 D*-PO 알고리즘의 성능은 다목적 경로 계획에서 A* 및 표준 D*와 비교해 어떤가?
• RQ3 기존 알고리즘과 비교해 D*-PO는 환경 변화가 발생할 경우 지배당하지 않는 해를 어느 정도 잘 유지하는가?
• RQ4 D* 프레임워크에서 파레토 프론트를 유지하는 데 드는 계산 오버헤드는 얼마이며, 실시간 로봇 응용에 실현 가능한가?
• RQ5 D*-PO는 거리, 에너지, 지형의 거칠기 등의 다수의 경로 목표를 시뮬레이션된 화성 탐사 환경에서 얼마나 효과적으로 균형 잡는가?

주요 결과

• D*-PO 알고리즘은 각 노드에서 파레토 프론트를 계산하고 업데이트함으로써 탐색 과정 全주에 걸쳐 파레토 최적성을 성공적으로 유지한다.
• 행성 탐사로봇에 대한 시뮬레이션에서 D*-PO는 A* 및 표준 D*보다 다목적 경로 계획에서 뛰어난 트레이드오프 해를 제공하며 성능이 뛰어나다.
• 알고리즘은 거리, 에너지, 시간, 방사선 노출, 지형의 거칠기 등 다섯 가지 경로 비용 목표에서 지배당하지 않는 해를 달성하였다.
• 환경 변화 발생 시 최소한의 재계산으로 효과적인 동적 재계획을 수행하였으며, 해 품질을 유지하였다.
• 결과적으로 D*에 파레토 최적성을 통합함으로써 다목적 시나리오에서 해 품질이 크게 향상되었으며, 실시간 성능을 희생시키지 않았다.
• 지배당하지 않는 경로 집합을 유지할 수 있는 알고리즘의 능력은 임무 계획을 위한 종합적인 트레이드오프 프론트를 의사결정자에게 제공한다.