[논문 리뷰] Computationally-Efficient Roadmap-based Inspection Planning via Incremental Lazy Search

Mengyu Fu, Oren Salzman외 1명|arXiv (Cornell University)|2021. 03. 25.

Robotic Path Planning Algorithms참고 문헌 50인용 수 6

한 줄 요약

이 논문은 Incremental Random Inspection-roadmap Search (IRIS) 알고리즘의 향상된 버전인 IRIS_CLI를 제안한다. 이는 커버리지 정보 기반 샘플링과 검색 노력 재사용을 통한 증분 레이지 서치를 통해 계산 효율적인 루트맵 기반 점검 계획 수립을 가속화한다. 이 방법은 60% 점검 커버리지에 도달하는 데 있어 최대 570배의 속도 향상을 달성하면서 渐近 최적성(asymptotic optimality)을 유지하며, 다리 및 외과 점검 시뮬레이션에서 이전 방법들보다 뚜렷이 뛰어난 성능을 보인다.

ABSTRACT

The inspection-planning problem calls for computing motions for a robot that allow it to inspect a set of points of interest (POIs) while considering plan quality (e.g., plan length). This problem has applications across many domains where robots can help with inspection, including infrastructure maintenance, construction, and surgery. Incremental Random Inspection-roadmap Search (IRIS) is an asymptotically-optimal inspection planner that was shown to compute higher-quality inspection plans orders of magnitudes faster than the prior state-of-the-art method. In this paper, we significantly accelerate the performance of IRIS to broaden its applicability to more challenging real-world applications. A key computational challenge that IRIS faces is effectively searching roadmaps for inspection plans -- a procedure that dominates its running time. In this work, we show how to incorporate lazy edge-evaluation techniques into \iris's search algorithm and how to reuse search efforts when a roadmap undergoes local changes. These enhancements, which do not compromise IRIS's asymptotic optimality, enable us to compute inspection plans much faster than the original IRIS. We apply IRIS with the enhancements to simulated bridge inspection and surgical inspection tasks and show that our new algorithm for some scenarios can compute similar-quality inspection plans 570x faster than prior work.

연구 동기 및 목표

• 루트맵 기반 점검 계획 수립의 높은 계산 비용, 특히 루트맵이 점점 더 조밀해질수록 증가하는 그래프 탐색 비용을 해결하기 위해.
• 해당 최적성 보장이 유지되는 점검 계획 수립 방법인 IRIS의 효율성을 향상시키되, 해법 품질 보장을 훼손하지 않기 위해.
• 루트맵이 국소적으로 변경될 경우 이전 탐색 노력의 재사용을 통해 그래프 탐색에서의 중복 계산을 줄이기 위해.
• 이전에 보이지 않은 관심 지점(POIs)의 점검 커버리지를 증가시키는 데 중점을 둔 샘플링을 우선순위로 삼아 루트맵 구축을 가속화하기 위해.
• 의료 내 endoscopy 및 UAV 기반 인프라 점검과 같은 시간 민감도가 높은 응용 분야에서 더 빠르고 고품질의 점검 계획을 가능하게 하기 위해.

제안 방법

• 새로운 POI를 점검하지 못하는 샘플 수를 줄이기 위해 루트맵 구축 중 커버리지 정보 기반 샘플링을 도입함으로써, 더 정보가 풍부하고 컴팩트한 루트맵을 생성한다.
• 그래프 탐색 중에 필요한 시점에만 고비용 엣지 검증을 연기하는 정교화된 레이지 엣지 평가 기법을 적용하여 중복 계산을 감소시킨다.
• 루트맵이 증분적으로 업데이트될 경우 이전에 생성된 탐색 데이터 구조와 부분 탐색 결과를 재사용하여 전체 재계산을 피한다.
• 루트맵이 시간이 지남에 따라 점점 더 조밀해지더라도 탐색 공간이 완전히 탐색됨을 보장함으로써 渐近 최적성(asympotic optimality)을 유지한다.
• 이러한 기법들을 IRIS 프레임워크에 통합하여 고품질 점검 계획으로의 수렴 속도를 빠르게 한다.
• 비용이 많이 드는 정방향 운동학 계산을 수반하는 융통성 있는 로봇(예: CRISP)의 구성공간 모델을 사용하여 효율적인 탐색이 필수적임을 고려한다.

실험 결과

연구 질문

• RQ1 레이지 엣지 평가와 탐색 노력 재사용은 루트맵 기반 점검 계획 수립에서 그래프 탐색에 소요되는 시간을 상당히 줄일 수 있는가?
• RQ2 커버리지 정보 기반 샘플링은 루트맵 품질 향상과 루트맵 구축 중의 중복 샘플링 감소에 어떤 영향을 미치는가?
• RQ3 증분 탐색 재사용과 레이지 평가의 조합은 최적성 손실 없이 고품질 점검 계획으로의 수렴을 얼마나 가속화할 수 있는가?
• RQ4 실세계 점검 시나리오에서 향상된 IRIS 알고리즘의 성능은 원본 IRIS 및 RRTOT와 비교해 어떻게 나타나는가?
• RQ5 의료 내 endoscopy 및 UAV 기반 다리 점검과 같은 시간 민감도가 높은 응용 분야에서 제안된 방법이 상당한 속도 향상을 이룰 수 있는가?

주요 결과

• 다리 점검 작업에서 IRIS_CLI는 원래 작업 대비 60% 점검 커버리지에 도달하는 데 최대 570배의 속도 향상을 달성했으며, 유사한 계획 품질을 유지한다.
• 폐강 점검에서 IRIS_CLI는 원본 IRIS보다 12% 더 높은 커버리지를 달성했으며, 67% 커버리지에 도달하는 데 6배 더 빠르게 수행되었다.
• 외과 시나리오에서 IRIS_CLI는 원본 IRIS보다 67% 커버리지에서 그래프 탐색 시간이 3,200배 이상 빠르게 작동했다.
• 유사한 계산 시간 동안 원본 IRIS보다 23% 더 높은 점검 커버리지를 달성하여 효율성이 향상됨을 입증했다.
• 다리 점검에서 IRIS_CLI는 60% 커버리지에서 RRTOT보다 커버리지 44% 향상 및 탐색 효율성 830배 향상을 달성했다.
• 커버리지 정보 기반 샘플링과 증분 레이지 서치의 조합이 渐近 최적성(asympotic optimality)을 훼손하지 않으면서도 상당한 속도 향상을 가능하게 한다.