[논문 리뷰] Distributed area coverage control with imprecise robot localization: Simulation and experimental studies

Sotiris Papatheodorou, Anthony Tzes외 2명|arXiv (Cornell University)|2016. 12. 14.

Distributed Control Multi-Agent Systems참고 문헌 17인용 수 10

한 줄 요약

이 논문은 국소화 불확실성 하에서 볼록 영역 내 다중 로봇 영역 커버리지에 대한 분산 제어 법칙을 제안한다. 보장된 벨로노이(Guaranteed Voronoi, GV) 분할을 사용하여 각 로봇의 책임 영역을 정의하며, 기울기 기반 제어 법칙을 통해 커버리지가 단조적으로 향상되도록 보장한다. 시뮬레이션과 차량 구동 방식 로봇을 이용한 실험을 통해 검증되었으며, 국소화 정확도가 떨어지는 상황에서도 강건성을 입증하였다.

ABSTRACT

This article examines the area coverage problem for a network of mobile robots with imprecise agents' localization. Each robot has uniform radial sensing ability, governed by first order kinodynamics. The convex-space is partitioned based on the Guaranteed Voronoi (GV) principle and each robot's area of responsibility corresponds to its GV-cell, bounded by hyperbolic arcs. The proposed control law is distributed, demanding the positioning information about its GV-Delaunay neighbors. Simulation and experimental studies are offered to highlight the efficiency of the proposed control law.

연구 동기 및 목표

• 로봇의 국소화가 부정확할 경우 다중 로봇 시스템에서 영역 커버리지 문제를 해결하는 것.
• GV-델로나 이웃 정보만을 사용하는 국소 정보 기반 분산 제어 법칙을 개발하는 것.
• 에이전트 위치의 불확실성에도 불구하고 커버리지 목표 함수가 단조적으로 증가하도록 보장하는 것.
• 차량 구동 방식 로봇을 이용한 시뮬레이션과 실제 실험을 통해 제안된 제어 법칙을 검증하는 것.

제안 방법

• 논문은 불확실한 위치 정보를 기반으로 각 로봇의 책임 영역을 정의하기 위해 보장된 벨로노이(Guaranteed Voronoi, GV) 분할을 사용한다. 여기서 각 에이전트는 원형의 국소화 불확실성 영역 내에 존재한다.
• GV-셀 경계는 쌍의 두 불확실한 에이전트 중심으로부터의 거리 차이가 그들의 불확실성 반경의 합과 일치하는 점들의 자취인 쌍곡선 호로 유도된다.
• GV 분할 기반으로 분산 기울기 상승 제어 법칙을 유도하여 커버리지 목표 함수를 최대화하며, 이로 인해 단조적인 향상이 보장된다.
• 계산 복잡도를 줄이기 위해 국소 이웃 정보를 활용해 기울기 표현을 단순화한 비최적 제어 법칙을 제안한다.
• 제어 법칙은 실제 실험에서 저전력 로봇에 실시간 적용 가능한 방식으로 구현 및 테스트되었으며, 실제 세계의 불확실성 하에서 성능을 검증하였다.
• 이론적 분석과 시뮬레이션 연구를 통해 최적 및 비최적 제어 법칙을 비교하였으며, 수렴성과 커버리지 효율성을 평가하였다.

실험 결과

연구 질문

• RQ1 로봇의 국소화가 불확실할 경우에 효과적으로 분산 방식으로 영역 커버리지를 달성할 수 있는 방법은 무엇인가?
• RQ2 국소화 불확실성을 고려하면서도 분산 제어를 가능하게 하는 최적의 공간 분할 기법은 무엇인가?
• RQ3 제안된 기울기 기반 제어 법칙은 불확실성 하에서 어떻게 커버리지 목표 함수의 단조적 향상을 보장하는가?
• RQ4 제안된 제어 법칙에서 최적성과 계산 복잡도 사이의 상충 관계는 어떠한가?
• RQ5 비최적 제어 법칙은 시뮬레이션과 비교해 실제 로봇 실험에서 어떻게 성능을 발휘하는가?

주요 결과

• 이론적 분석에 따르면, GV-델로나 이웃 정보가 알려져 있을 경우 최적 제어 법칙은 커버리지 목표 함수가 단조적으로 증가함을 보장한다.
• 비최적 제어 법칙은 훨씬 낮은 계산 복잡도를 확보하면서도 거의 최적 수준의 커버리지 성능을 달성하여 저전력 로봇에서 실시간 구현에 적합하다.
• 시뮬레이션 결과, 비최적 제어 법칙은 고효율의 커버리지와 안정된 구성으로 수렴하며, 최적 법칙과 유사한 성능을 보였다.
• 차량 구동 로봇을 이용한 실험 결과, 실제 환경에서 성공적인 영역 커버리지가 달성되었으며, 비최적 제어 법칙이 실제 국소화 노이즈 하에서도 강건함을 입증하였다.
• GV 분할 방법은 불확실성 하에서 각 에이전트의 책임 영역을 효과적으로 제한하며, $ r^s \geq r_i^u $ 일 때 커버리지의 겹침이나 빈틈이 없음을 보장한다.
• 이론적 유도를 통해 두 에이전트의 GV-셀 경계가 쌍곡선 호임을 확인하였으며, 초점은 에이전트의 추정된 위치에 위치하고, 주축 길이는 그들의 불확실성 반경의 합과 같다.