[논문 리뷰] Asymptotically Optimal Sampling-based Kinodynamic Planning

Yanbo Li, Zakary Littlefield외 1명|arXiv (Cornell University)|2014. 07. 10.

Robotic Path Planning Algorithms참고 문헌 49인용 수 6

한 줄 요약

이 논문은 전방 역학 전파만을 사용하여 이원 경계값 문제(BVP) 해소기가 필요 없이 점점이 최적화되는 두 가지 샘플링 기반 운동계획기인 SST 및 SST*를 제안한다. 이 방법은 무작위 기하 그래프 이론과 가용성 성질을 활용하여 최적 경로로의 수렴을 보장하면서도 희소 샘플링을 통해 계산 효율성을 유지한다.

ABSTRACT

Sampling-based algorithms are viewed as practical solutions for high-dimensional motion planning. Recent progress has taken advantage of random geometric graph theory to show how asymptotic optimality can also be achieved with these methods. Achieving this desirable property for systems with dynamics requires solving a two-point boundary value problem (BVP) in the state space of the underlying dynamical system. It is difficult, however, if not impractical, to generate a BVP solver for a variety of important dynamical models of robots or physically simulated ones. Thus, an open challenge was whether it was even possible to achieve optimality guarantees when planning for systems without access to a BVP solver. This work resolves the above question and describes how to achieve asymptotic optimality for kinodynamic planning using incremental sampling-based planners by introducing a new rigorous framework. Two new methods, Stable Sparse-RRT (SST) and SST*, result from this analysis, which are asymptotically near-optimal and optimal, respectively. The techniques are shown to converge fast to high-quality paths, while they maintain only a sparse set of samples, which makes them computationally efficient. The good performance of the planners is confirmed by experimental results using dynamical systems benchmarks, as well as physically simulated robots.

연구 동기 및 목표

• 역학적 시스템에 대한 BVP 해소기가 제공되지 않는 조건에서 점점이 최적화되는 운동계획 달성이라는 열린 문제를 해결하기 위해.
• 물리 엔진을 통해 모델링된 시스템에 적용 가능한, 오직 전방 전파 방식의 시스템 역학을 사용하여 점점이 최적화되는 프레임워크를 개발하기 위해.
• 최적 경로로 수렴하는 동안 희소성을 유지하는 효율적인 트리 기반 샘플링 알고리즘을 설계하기 위해.
• 고차원 역학적 시스템과 물리적으로 시뮬레이션된 로봇에서의 접근 방식을 검증하여 빠른 수렴과 높은 경로 품질을 입증하기 위해.
• 최소한의 가정 하에 비제어성 및 매끄러운 역학적 시스템에 대한 샘플링 기반 운동계획의 이론적 기반을 확장하기 위해.

제안 방법

• 무작위 기하 그래프 이론과 시스템 가용성(Chow의 조건)을 기반으로 한 새로운 이론적 프레임워크를 제안하여 확률적 완전성과 점점이 최적화를 입증한다.
• 스티어링 함수 대신 전방 역학 전파를 사용하는 트리 기반의 점진적 샘플링 계획기인 STABLE_SPARSE_RRT(SST)를 도입한다.
• 최적 해로의 수렴을 보장하면서도 샘플 수를 희소하게 유지하기 위해 최선 우선 탐색 전략과 함께 잘라내기 기법을 사용한다.
• 고차원 또는 불확실한 상태 공간에서의 수렴을 향상시키기 위해 지구 이동 거리(EMD) 기반의 거리 척도를 사용한다.
• 확률 이론과 연결성 분석을 적용하여, 시스템 역학에 대해 약한 가정 하에 알고리즘이 점점이 최적 경로로 수렴함을 증명한다.
• 적절한 척도 설계를 통해 피드백 기반 계획 및 불확실성 인식 운동계획을 지원하기 위해 프레임워크를 확장한다.

실험 결과

연구 질문

• RQ1 BVP 해소기가 없이 전방 역학 전파만을 사용하여 운동계획에서 점점이 최적화를 달성할 수 있는가?
• RQ2 시스템 역학과 샘플링 전략에 어떤 조건이 요구되어야 트리 기반 샘플링 방법에서 확률적 완전성과 점점이 최적화를 동시에 확보할 수 있는가?
• RQ3 고차원 비제어성 시스템에서 최적 경로로의 수렴을 보장하면서도 희소 샘플링을 유지할 수 있는가?
• RQ4 전방 시뮬레이션만 제공되는 물리 엔진을 통해 모델링된 시스템에 이 방법을 적용할 수 있는가?
• RQ5 해석적 스티어링 함수 없이 오직 전방 역학만을 사용할 경우, 수렴성과 최적성에 대한 이론적 보장은 무엇인가?

주요 결과

• SST 및 SST*는 BVP 해소기가 필요 없이 점점이 최적화를 달성하여, 운동계획 분야에서 오랫동안 미해결이었던 문제를 해결한다.
• 알고리즘은 높은 품질의 경로로 신속하게 수렴하면서도 샘플 수를 희소하게 유지하여 계산 효율성을 확보한다.
• 역학적 시스템 벤치마크와 물리적 시뮬레이션된 로봇에서의 실험 결과는 비최적 계획기 대비 빠른 수렴과 뛰어난 경로 품질을 확인한다.
• 프레임워크는 불확실한 환경에서도 적용 가능하며, EMD 기반 척도를 통해 불확실성 하에서의 효율적 계획을 가능하게 한다.
• 해석적 스티어링 함수가 없는 복잡한 시스템, 예를 들어 항공기, 지상 로봇, 조작기 등 물리 엔진을 통해 모델링된 시스템에 적용 가능하다.
• 이론적 분석은 Chow의 조건을 만족하는 시스템에 대해 유효하며, 광범위한 비제어성 및 매끄러운 역학적 시스템을 포함한다.