[논문 리뷰] Analysis of Asymptotically Optimal Sampling-based Motion Planning Algorithms for Lipschitz Continuous Dynamical Systems

Γεώργιος Παπαδόπουλος, Hanna Kurniawati외 1명|arXiv (Cornell University)|2014. 05. 12.

Robotic Path Planning Algorithms참고 문헌 14인용 수 17

한 줄 요약

이 논문은 제어 공간에서 직접 샘플링하여 립시츠 연속 동역학 시스템에 대해 점점 최적화되는 운동 계획 프레임워크를 제안한다. 이는 조향 함수가 필요로 하지 않으며, 최적 경로로 수렴하는 것을 이론적으로 증명하고, 제어 공간 차원과 립시츠 상수에 따라 수렴 속도의 경계를 도출한다.

ABSTRACT

Over the last 20 years significant effort has been dedicated to the development of sampling-based motion planning algorithms such as the Rapidly-exploring Random Trees (RRT) and its asymptotically optimal version (e.g. RRT*). However, asymptotic optimality for RRT* only holds for linear and fully actuated systems or for a small number of non-linear systems (e.g. Dubin's car) for which a steering function is available. The purpose of this paper is to show that asymptotically optimal motion planning for dynamical systems with differential constraints can be achieved without the use of a steering function. We develop a novel analysis on sampling-based planning algorithms that sample the control space. This analysis demonstrated that asymptotically optimal path planning for any Lipschitz continuous dynamical system can be achieved by sampling the control space directly. We also determine theoretical bounds on the convergence rates for this class of algorithms. As the number of iterations increases, the trajectory generated by these algorithms, approaches the optimal control trajectory, with probability one. Simulation results are promising.

연구 동기 및 목표

• 기존의 RRT*와 같은 점점 최적화되는 계획자들이 미분 제약 조건이 있는 복잡한 동역학 시스템에서는 종종 실현 불가능한 조향 함수가 필요로 하는 한계를 해결하기 위해.
• 립시츠 연속 시스템에 대해 제어 공간을 직접 샘플링함으로써 조향 함수 없이도 점점 최적화가 달성될 수 있음을 입증하기 위해.
• 제어 공간 샘플링 기반 계획자에 대한 이론적 수렴 속도 경계를 도출하여 수렴 속도에 영향을 주는 주요 시스템 파라미터를 규명하기 위해.
• 비정상적 및 비완전한 시스템에 적합한 제어 공간에서 직접 작동하는 점점 최적화되는 운동 계획자 가족을 개발하기 위해.
• 최소한의 가정(오직 립시츠 연속성만)으로도 제어 공간 샘플링 알고리즘의 최적성과 수렴성에 대한 엄밀한 이론적 분석을 제공하기 위해.

제안 방법

• 이 방법은 구성 공간이 아닌 제어 공간에서 제어 입력을 직접 샘플링함으로써 조향 함수가 필요로 하지 않게 한다.
• 새로운 제어 샘플을 사용하여 기존 경로를 연장하는 트리 기반 샘플링 전략을 사용하며, 반복 과정에서 타당성과 비용 감소를 보장한다.
• 수렴 가능성 분석은 조건부 확률과 샘플링 밀도를 포함하여 근사 최적 경로에 도달할 확률을 모델링하기 위해 재귀적 확률 경계를 사용한다.
• 핵심 식은 반복 j에서 성공 확률을 모델링한다: $ P_{j,k} \geq P_{j-1,k} + \frac{\rho}{j}(Pr(X_{j-1,k-1}) - Pr(X_{j-1,k})) $, 여기서 $ \rho $ 는 샘플링 효율성을 나타낸다.
• 수렴 속도 분석은 이산 근사 시스템 $ \hat{P}_{j,1} = \hat{P}_{j-1,1} + (1 - \hat{P}_{j-1,1})\frac{\rho}{j} $ 를 통해 수행되며, $ j \to \infty $ 일 때 $ \alpha_1 \to \rho $ 를 유도한다.
• 이론적 경계는 수렴 역학의 로그 표현식에 대해 르플라시탈의 정리와 테일러 급수 근사법을 사용하여 유도된다.

실험 결과

연구 질문

• RQ1 일반적인 립시츠 연속 동역학 시스템에 대해 제어 공간 샘플링을 통해 점점 최적화가 조향 함수 없이 달성될 수 있는가?
• RQ2 제어 공간 샘플링 기반 계획자의 이론적 수렴 속도는 무엇이며, 시스템 파라미터에 따라 어떻게 달라지는가?
• RQ3 비선형적이고 비정상적인 시스템에 대해 직접 제어 공간 샘플링은 구성 공간 샘플링과 비교해 최적성 보장과 계산 가능성을 어떻게 높이는가?
• RQ4 반복 횟수가 증가함에 따라 근사 최적 경로에 도달할 확률이 1로 수렴하는 조건은 무엇인가?
• RQ5 오직 립시츠 연속성 가정만을 사용하여 제어 공간 샘플링 알고리즘의 수렴성과 최적성에 대한 통합 이론 프레임워크를 수립할 수 있는가?

주요 결과

• 제어 공간을 직접 샘플링함으로써 임의의 립시츠 연속 동역학 시스템에서 확률 1로 점점 최적화가 달성되며, 조향 함수가 필요로 하지 않는다.
• 첫 번째 마일스톤(k=1)에 대한 수렴 속도는 반복 횟수가 증가함에 따라 점점 $ \rho $, 즉 샘플링 효율성 파라미터에 수렴한다.
• 수렴 속도는 이론적으로 경계되어 있으며, 제어 공간의 차원과 시스템 동역학의 립시츠 연속 상수에 따라 달라진다.
• 근사 최적 경로에 도달할 확률은 반복 횟수에 따라 단조적으로 증가하며, 최적 경로로 수렴을 보장하는 재귀 부등식을 따른다.
• 분석 결과 제어 공간 샘플링은 복잡한 동역학 시스템에 대해 구성 공간 샘플링의 타당하고 이론적으로 타당한 대안임을 확인한다.
• 시뮬레이션 결과는 이론적 발견을 지지하며, 미분 제약 조건이 있는 시스템에서 저비용이고 타당한 경로를 생성하는 데 유망한 성능을 보여준다.