[논문 리뷰] Decentralized Probabilistic Multi-Robot Collision Avoidance Using Buffered Uncertainty-Aware Voronoi Cells

Hai Zhu, Bruno Brito외 1명|arXiv (Cornell University)|2022. 01. 11.

Distributed Control Multi-Agent Systems인용 수 4

한 줄 요약

이 논문은 국소화 및 센서 불확실성 하에서 다중 로봇 시스템을 위한 탈중앙화되고 통신이 없는 확률적 충돌 회피 방법을 제안한다. 가우시안 불확실성 모델을 사용하여 충돌 확률에 대한 확률적 제약 조건을 강제하는 버퍼링된 불확실성 인식 비르소프 세포(B-UAVC)를 도입함으로써, 단일 통합자, 이중 통합자, 차량형 구동 방식, 비선형 로봇에 대해 시뮬레이션 및 지상 차량과 큐드로터를 이용한 실제 실험에서 안전한 주행을 가능하게 한다.

ABSTRACT

In this paper, we present a decentralized and communication-free collision avoidance approach for multi-robot systems that accounts for both robot localization and sensing uncertainties. The approach relies on the computation of an uncertainty-aware safe region for each robot to navigate among other robots and static obstacles in the environment, under the assumption of Gaussian-distributed uncertainty. In particular, at each time step, we construct a chance-constrained buffered uncertainty-aware Voronoi cell (B-UAVC) for each robot given a specified collision probability threshold. Probabilistic collision avoidance is achieved by constraining the motion of each robot to be within its corresponding B-UAVC, i.e. the collision probability between the robots and obstacles remains below the specified threshold. The proposed approach is decentralized, communication-free, scalable with the number of robots and robust to robots' localization and sensing uncertainties. We applied the approach to single-integrator, double-integrator, differential-drive robots, and robots with general nonlinear dynamics. Extensive simulations and experiments with a team of ground vehicles, quadrotors, and heterogeneous robot teams are performed to analyze and validate the proposed approach.

연구 동기 및 목표

• 센서 노이즈와 추정 오차로 인해 로봇 위치 및 장애물 위치가 불확실한 환경에서 혼잡한 환경 내 안전한 다중 로봇 주행 문제를 해결한다.
• 로봇 간에 공유된 상태나 궤적 정보가 필요 없이 확률적 충돌 회피를 보장하는 탈중앙화되고 통신이 없는 접근 방식을 개발한다.
• 가우시안 분포의 불확실성 하에서 확률적 제약 조건을 만족시키는 버퍼링된 불확실성 인식 비르소프 세포(B-UAVC)를 정식화함으로써 버퍼링된 비르소프 세포(BVC) 프레임워크를 확장한다.
• 단일 통합자, 이중 통합자, 차량형 구동 방식, 일반적인 비선형 시스템을 포함한 다양한 로봇 동역학에 대해 확장성과 강건성을 확보한다.
• 이론적 분석과 함께, 이질적인 로봇 팀(지상 차량 및 큐드로터 포함)을 대상으로 한 광범위한 시뮬레이션 및 실제 실험을 통해 방법을 검증한다.

제안 방법

• 지정된 충돌 확률 임계값과 가우시안 분포의 국소화 및 센서 불확실성 하에서, 각 시간 단계에서 각 로봇에 대해 확률적 제약 조건을 만족하는 버퍼링된 불확실성 인식 비르소프 세포(B-UAVC)를 구성한다.
• 최소 거리를 최대화하는 최적의 분리 초평면을 계산하기 위해 B-UAVC를 최대화-최소화 최적화 문제로 공식화한다.
• 유도된 최적화 문제를 수치적으로 해결하기 위해, 불확실성 공분산 행렬을 균형 잡는 데 사용되는 행렬 역행산과 스칼라 매개변수 $t$를 조합하여 초평면의 법선 벡터 $\mathbf{a}_{ij}$와 절편 $b_{ij}$를 반복적으로 계산한다.
• 각 로봇의 운동을 B-UAVC 내부에 유지함으로써, 다른 로봇이나 장애물과의 충돌 확률이 사용자가 정의한 임계값 이하로 유지되도록 보장한다.
• 단일 통합자, 이중 통합자, 차량형 구동 방식, 큐드로터 모델 등 다양한 로봇 동역학에 대해 일단 계획 및 후행 시간 계획 제어기와 통합한다.
• 사전 정의된 사고로 인한 정지 상태 회복 전략을 구현: 일시적 제어기의 경우, 진행이 정지할 경우 B-UAVC 내부의 모서리에 따라 로봇이 이동하도록 하며, 후행 시간 계획 기반 계획기의 경우 일시적으로 목표를 90도 회전시켜 국소 최소값에서 벗어나도록 한다.

실험 결과

연구 질문

• RQ1 로봇 간 통신 없이 국소화 및 센서 불확실성에 강건한 탈중앙화된 다중 로봇 충돌 회피는 어떻게 달성할 수 있는가?
• RQ2 가우시안 분포의 불확실성을 고려한 확률적 상황에서 버퍼링된 비르소프 세포(BVC) 프레임워크는 탈중앙화성과 확장성을 유지하면서 어떻게 확장될 수 있는가?
• RQ3 불확실성 인식 안전 영역(B-UAVC)이 다양한 로봇 동역학에서 다중 로봇 시스템의 안전성과 성능에 미치는 영향은 어떠한가?
• RQ4 제안된 방법은 시뮬레이션과 실제 실험 모두에서 현실적인 수준의 불확실성 하에서 충돌을 효과적으로 방지하는가?
• RQ5 해결 전략 기반의 사전 정의된 정지 상태 회복 전략은 복잡한 환경에서 국소 최소값 또는 진행 정지 상태에서 로봇을 효과적으로 회복시킬 수 있는가?

주요 결과

• 제안된 B-UAVC 방법은 심한 국소화 및 센서 불확실성 하에서도 사용자가 정의한 임계값 이하로 충돌 확률을 유지함으로써 확률적 충돌 회피를 보장한다.
• 이 방법은 완전히 탈중앙화되고 통신이 필요 없으며, 이웃 로봇의 위치와 그들의 불확실성 공분산 행렬 외에는 국소 지식만 필요로 한다.
• 최대 10台의 지상 차량과 6架의 큐드로터를 포함한 광범위한 시뮬레이션 및 실제 실험을 통해 단일 통합자, 이중 통합자, 차량형 구동 방식, 비선형 큐드로터 모델을 포함한 다양한 동역학에 대해 강건한 성능을 입증하였다.
• 불확실한 장애물 위치를 가진 혼잡한 환경에서도 충돌을 성공적으로 방지하였으며, 이는 시뮬레이션과 하드웨어 실험을 통해 검증되었다.
• 해결 전략 기반의 정지 상태 회복 메커니즘이 효과적으로 로봇을 정지 상태나 국소 최소값에서 회복시키며, 일시적인 목표 회전을 통해 갇힌 구성에서 벗어나도록 했다.
• 파리로 베보프 2 큐드로터의 실제 비행 데이터를 기반으로 한 시스템 식별을 통해 정확한 동역학 파rameter를 확보하였으며, 이는 현실적인 시뮬레이션 및 방법의 검증을 가능하게 하였다.