[논문 리뷰] Bridging the Gap Between Safety and Real-Time Performance in Receding-Horizon Trajectory Design for Mobile Robots

Shreyas Kousik, Sean Vaskov외 3명|arXiv (Cornell University)|2018. 09. 18.

Robotic Path Planning Algorithms인용 수 9

한 줄 요약

이 논문은 이동 로봇을 위한 증거 가능하고 실시간 동작이 보장되는 후행 수평 경로 계획기인 도달 가능성 기반 경로 설계(RTD)를 제안한다. 사전에 오프라인으로 전방 도달 가능 영역(FRS)을 계산하고, 이산 장애물 표현 방식을 통해 장애물을 경로 파라미터에 매핑함으로써, 비선형 최적화를 통한 실시간 보장과 함께 동적인 환경에서도 안전하고 지속 가능한 타당성을 달성한다.

ABSTRACT

To operate with limited sensor horizons in unpredictable environments, autonomous robots use a receding-horizon strategy to plan trajectories, wherein they execute a short plan while creating the next plan. However, creating safe, dynamically-feasible trajectories in real time is challenging; and, planners must ensure persistent feasibility, meaning a new trajectory is always available before the previous one has finished executing. Existing approaches make a tradeoff between model complexity and planning speed, which can require sacrificing guarantees of safety and dynamic feasibility. This work presents the Reachability-based Trajectory Design (RTD) method for trajectory planning. RTD begins with an offline Forward Reachable Set (FRS) computation of a robot's motion when tracking parameterized trajectories; the FRS provably bounds tracking error. At runtime, the FRS is used to map obstacles to parameterized trajectories, allowing RTD to select a safe trajectory at every planning iteration. RTD prescribes an obstacle representation to ensure that obstacle constraints can be created and evaluated in real time while maintaining safety. Persistent feasibility is achieved by prescribing a minimum sensor horizon and a minimum duration for the planned trajectories. A system decomposition approach is used to improve the tractability of computing the FRS, allowing RTD to create more complex plans at runtime. RTD is compared in simulation with Rapidly-Exploring Random Trees and Nonlinear Model-Predictive Control. RTD is also demonstrated in randomly-crafted environments on two hardware platforms: a differential-drive Segway, and a car-like Rover. The proposed method is safe and persistently feasible across thousands of simulations and dozens of real-world hardware demos.

연구 동기 및 목표

• 예측 불가능하고 센서 범위가 제한된 환경에서 이동 로봇의 후행 수평 경로 계획에서 안전성과 실시간 성능을 동시에 확보하는 데 도전한다.
• 기존 방법들이 종종 안전성 또는 타당성 보장을 포기하면서도 모델 복잡성과 계획 속도 사이의 상충을 해결한다.
• 최소 센서 수평과 최소 경로 지속 시간 제약 조건을 정의하여 항상 이용 가능한 안전 계획을 보장함으로써 지속 가능한 타당성을 확보한다.
• FRS 계산을 위한 시스템 분해를 통해 고차원 시스템으로의 적용 가능성을 넓힌다.
• 비선형 제약 조건이 파라미터 공간에 매핑되는 이산 장애물 표현 방식을 사용하여 실시간 안전 경로 최적화를 가능하게 한다.

제안 방법

• 고정된 시간 간격 동안 추적 오차를 포함한 로봇 상태를 포괄하는 파라미터화된 경로의 가족에 대해 전방 도달 가능 영역(FRS)을 오프라인으로 사전 계산한다.
• 고차원 시스템의 FRS 계산의 타당성을 향상시키기 위해 Chen 등(2016, 2017)에서 개선한 시스템 분해 기법을 사용한다.
• 장애물을 상태 공간 내의 이산 점으로 표현하고, 도달 가능성 분석을 통해 각 점을 비안전 경로 파라미터 집합으로 매핑한다.
• 결과적으로 유도된 비안전 파라미터 제약 조건을 온라인 최적화를 위한 유한한 비선형 부등식 목록으로 표현한다.
• FRS와 장애물 매핑을 후행 수평 프레임워크에 통합하여, 각 계획 단계에서 비선형 프로그램이 최적의 경로 파라미터를 선택하도록 한다.
• 최소 센서 수평과 최소 경로 지속 시간을 설정하여, 현재 계획이 완료되기 전까지 항상 안전한 계획이 확보되도록 지속 가능한 타당성을 확보한다.

실험 결과

연구 질문

• RQ1 후행 수평 경로 계획에서 모델 정확성과 속도 사이의 히وري스틱적 타협에 의존하지 않고도 안전성과 실시간 성능을 보장할 수 있는가?
• RQ2 실시간으로 장애물 제약 조건을 표현하고 평가할 수 있는 방법은 무엇이며, 이를 통해 증명 가능한 안전 보장을 유지할 수 있는가?
• RQ3 고차원 이동 로봇 모델에 대한 효율적인 FRS 계산을 가능하게 하는 시스템 분해 기법은 무엇인가?
• RQ4 실시간 제약 조건 하에서 RTD가 RRT와 NMPC에 비해 안전성, 타당성, 목표 도달 성능 측면에서 얼마나 뛰어나게 성과를 낼 수 있는가?
• RQ5 제한된 센서 범위를 가진 예측 불가능한 환경에서 RTD는 지속 가능한 타당성을 보장할 수 있는가?

주요 결과

• RTD는 1,000회 이상의 시뮬레이션과 27회의 실시간 하드웨어 시험(Segway 및 Rover)에서 100% 성공률를 기록했으며, 충돌 없이 안정적인 안전성과 타당성을 입증했다.
• Segway 로봇은 최대 1.25 m/s 속도로 무작위로 배치된 장애물이 있는 방을 주 0.5초 간격으로 재계획하며, 추적 오차가 존재하는 상황에서도 모든 경로가 안전하게 유지되었다.
• Rover 로봇은 촬영된 시범 시험 외에도 추가 18회의 시험을 성공적으로 수행했으며, 충돌 없이 차선 변경 및 비상 정지 기능도 성공적으로 수행했고, 속도 범위는 1.0–1.5 m/s였다.
• Segway의 경우 0.5초, Rover의 경우 0.375초의 강제 실시간 제약 조건 하에서도 RTD는 충돌 없이 도달한 목표 수 측면에서 RRT와 NMPC를 모두 초월했다.
• Rover에서 1.0–1.5 m/s의 다양한 속도에 대해 단일 FRS를 사용한 결과, 운영 조건에 걸쳐 확장성과 강건성을 입증했다.
• 이산 장애물 표현 방식은 비안전 파라미터를 제약 조건 집합에 완전히 포함시켜, 증명 가능한 보장을 유지하면서도 안전성을 보장했다.