[논문 리뷰] AutoRVO: Local Navigation with Dynamic Constraints in Dense Heterogeneous Traffic

Yuexin Ma, Dinesh Manocha외 1명|arXiv (Cornell University)|2018. 04. 09.

Robotic Path Planning Algorithms참고 문헌 34인용 수 15

한 줄 요약

AutoRVO는 긴밀한 매질축 표현과 동적 제약 조건을 활용하여 이질적인 도로 이용자(자동차, 자전거, 삼륜차, 보행자) 간의 고밀도 교통 환경에서 최적화 기반 국소 주행 알고리즘을 제안한다. ORCA 및 CND와 같은 이전 방법들보다 훨씬 높은 궤적 정확도를 달성하며, 효율적인 국소 속도 최적화를 통해 충돌 없는 매끄러운 궤적을 계산함으로써 고밀도 상황에서도 뛰어난 성능을 발휘한다.

ABSTRACT

We present a novel algorithm for computing collision-free navigation for heterogeneous road-agents such as cars, tricycles, bicycles, and pedestrians in dense traffic. Our approach currently assumes the positions, shapes, and velocities of all vehicles and pedestrians are known and computes smooth trajectories for each agent by taking into account the dynamic constraints. We describe an efficient optimization-based algorithm for each road-agent based on reciprocal velocity obstacles that takes into account kinematic and dynamic constraints. Our algorithm uses tight fitting shape representations based on medial axis to compute collision-free trajectories in dense traffic situations. We evaluate the performance of our algorithm in real-world dense traffic scenarios and highlight the benefits over prior reciprocal collision avoidance schemes.

연구 동기 및 목표

• 자동차, 자전거, 보행자를 포함한 이질적이고 고밀도의 교통 환경에서의 현실적인 다중 에이전트 주행 기술의 부족을 해결한다.
• 상호작용 속도 장애물 기반 방법에서 사용하는 디스크 기반 표현 방식의 한계를 극복하여 과도하게 보수적이거나 정확도가 떨어지는 궤적을 방지한다.
• 운동학적 및 동적 제약 조건을 국소 주행에 통합하여 더 매끄럽고 안전하며 현실적인 궤적을 생성한다.
• 엔트로피 기반 지표를 사용해 영상 데이터에서 추출한 궤적과 일치시킴으로써 실제 교통 행동을 정확하게 시뮬레이션할 수 있도록 한다.
• 복잡한 교통 환경에서 실시간 성능을 확보할 수 있는 확장 가능한 최적화 기반 프레임워크를 개발한다.

제안 방법

• 매질축 기반의 CTMAT(제약이 있는 타이트 메쉬 에이전트 표현)를 사용하여 기하학적 정확도를 향상시키기 위해 비구형의 밀착형 형태로 에이전트를 모델링한다.
• 각 에이전트별로 국소 최적화 문제를 설정하여, 목표 운동에서의 편차를 최소화하면서 충돌을 피하는 새로운 속도를 계산한다.
• 식 (6)에서 (11)까지의 비용 함수를 통해 최대 속도, 가속도, 회전률과 같은 동적 제약 조건을 속도 선택 과정에 통합한다.
• CTMAT 표현과 주변 에이전트 간의 믹스키 소함을 계산하여 충돌 없는 속도 후보를 효율적으로 도출한다.
• 직선 경로가 차단된 경우를 대비해 검색 기반의 회피 경로 탐색 메커니즘을 적용하며, N명의 주변 에이전트와 M개의 샘플에 대해 시간 복잡도 O(NM)을 갖는다.
• 동적 제약 조건과 충돌 제약 조건을 충족하는 가용 운동 옵션을 탐색하기 위해 속도와 방향(v, φ) 쌍에 대한 샘플링 기반 접근법을 사용한다.

실험 결과

연구 질문

• RQ1 상호작용 속도 장애물 기반 국소 주행 알고리즘이 디스크 기반 방법보다 비구형이고 동적 제약 조건이 있는 에이전트를 포함한 고밀도 이질적 교통 환경에서 더 정확하게 처리할 수 있는가?
• RQ2 밀착형 매질축 표현을 통합할 경우 고밀도 교통 시뮬레이션에서 궤적의 현실성은 어떻게 향상되고 보수성은 어떻게 감소하는가?
• RQ3 가속도, 회전률 등의 동적 제약 조건을 포함시킬 경우, 제약 없음 또는 경험적 조정 모델 대비 궤적의 매끄러움과 정확도는 어떻게 영향을 받는가?
• RQ4 제안된 알고리즘이 복잡한 다중 에이전트 교통 환경에서 고정밀도를 유지하면서도 실시간 성능을 확보할 수 있는가?
• RQ5 영상 데이터에서 추출한 실제 궤적과의 일치도 측면에서, 이 알고리즘의 성능은 ORCA 및 CND와 비교해 어떻게 되는가?

주요 결과

• 모든 테스트된 고밀도 교통 시나리오에서 AutoRVO는 ORCA 및 CND보다 유의미하게 낮은 엔트로피 지표를 기록하여 실제 궤적과의 일치도가 높음을 시사한다.
• 가장 높은 밀도의 시나리오인 traffic-1과 traffic-5에서 AutoRVO의 엔트로피 지표는 각각 3.77과 2.45였으며, CND는 12.72와 14.12, ORCA는 15.11과 14.12였으며, 이는 고밀도 조건에서 뛰어난 성능을 보임을 입증한다.
• 100개의 샘플링 후보와 4명의 주변 에이전트를 기준으로 단일 CPU 코어에서 평균 약 10ms의 업데이트 시간을 유지하여 실시간 실행 가능성은 입증된다.
• 실행 시간은 주변 에이전트 수와 샘플링 포인트 수에 따라 선형적으로 증가하며, 복잡도는 O(NM)이므로 효율적인 병렬 처리가 가능하다.
• 매끄럽기와 안전성을 위한 비용 함수 도입으로 일부 경우(예: traffic-4)에서는 정확도가 약간 저하될 수 있으나, 전체적으로 AutoRVO는 CND 및 ORCA를 대부분의 시나리오에서 능가한다.
• AutoRVO는 균일한 운동 패턴이나 단순화된 형태를 가정하지 않고도 이질적 에이전트의 고밀도 교통 환경에서 충돌 없는 매끄러운 궤적을 성공적으로 생성한 최초의 방법이다.