[논문 리뷰] Dynamic Path Planning and Replanning for Mobile Robots using RRT*

Devin Connell, Hung Manh La|arXiv (Cornell University)|2017. 04. 15.

Robotic Path Planning Algorithms참고 문헌 6인용 수 8

한 줄 요약

이 논문은 예측할 수 없고 무작위로 움직이는 장애물을 실시간으로 처리하기 위해 RRT*를 사용하는 동적 재계획 방법을 제안한다. 존재하는 RRT* 트리를 점진적으로 수정하여 새로 감지된 장애물을 피하면서도 최적 경로 품질을 유지함으로써, 재계획 오버헤드를 최소화하고 다수의 장애물 충돌 시나리오에서 검증된 성공을 이룬 효율적이고 적응 가능한 동적 환경 내 주행을 가능하게 한다.

ABSTRACT

It is necessary for a mobile robot to be able to efficiently plan a path from its starting, or current, location to a desired goal location. This is a trivial task when the environment is static. However, the operational environment of the robot is rarely static, and it often has many moving obstacles. The robot may encounter one, or many, of these unknown and unpredictable moving obstacles. The robot will need to decide how to proceed when one of these obstacles is obstructing it's path. A method of dynamic replanning using RRT* is presented. The robot will modify it's current plan when an unknown random moving obstacle obstructs the path. Various experimental results show the effectiveness of the proposed method.

연구 동기 및 목표

• 예측할 수 없고 움직이는 장애물이 존재하는 환경에서 사전 계산된 경로를 차단하는 동적 경로 계획 문제를 해결하기 위해.
• 실시간 장애물 변화에 적응하면서도 경로 최적성 유지가 가능한 RRT*에 재계획 메커니즘을 통합하기 위해.
• 새로운 트리 구조를 다시 구축하는 대신 기존 트리 구조를 재사용함으로써 재계획 중 계산 오버헤드를 최소화하기 위해.
• 다양한 수의 무작위로 움직이는 장애물이 존재하는 복잡한 2차원 환경에서의 성능 평가를 위해.
• 향후 고차원 공간 및 다중 로봇 시스템으로의 확장 기반을 마련하기 위해.

제안 방법

• 메서드는 정적 환경에서 RRT*를 사용하여 초기 최적 경로를 생성하며, 이를 로봇의 구성공간 내 트리 구조로 표현한다.
• 경로 실행 중에 움직이는 장애물을 감지하면 재계획 이벤트가 발생하고, 로봇은 장애물을 피하기 위해 새로운 목표 위치를 선택한다.
• 알고리즘은 장애물이 차지하는 영역 내의 노드를 무효화함으로써 기존 RRT* 트리를 수정하지만, 노드는 삭제하지 않고 유지함으로써 트리 구조를 보존한다.
• RRT* 재계획 과정은 비용 최소화 기준을 사용해 무작위 샘플의 새로운 부모를 선택하고, 이웃 노드를 재와이어링하여 경로 비용을 개선한다.
• 이 방법은 RRT*의 渐近 최적성(Asymptotic optimality)을 활용하여 새로운 경로가 최적은 아니지만 반복할수록 점차 향상됨을 보장한다.
• 알고리즘은 움직이는 장애물이 차지하는 영역을 일시적 장애물로 간주하면서도, 영역이 청소되면 노드를 다시 활성화할 수 있는 능력을 유지한다.

실험 결과

연구 질문

• RQ1 알 수 없는 무작위로 움직이는 장애물에 대응하기 위해 RRT*를 효과적으로 동적 재계획에 적응시킬 수 있는가?
• RQ2 동적 조건 하에서 표준 RRT와 비교해 제안된 RRT*-기반 재계획 방법은 경로 품질과 계산 효율성 측면에서 어떻게 다른가?
• RQ3 재계획 과정에서 기존 RRT* 트리를 얼마나 효과적으로 재사용할 수 있는가? 이를 통해 계산 비용을 얼마나 줄일 수 있는가?
• RQ4 여러 개의 움직이는 장애물이 존재하고 로봇이 경로 실행 중 여러 지점에서 장애물을 만날 경우, 이 메서드는 어떻게 성능을 발휘하는가?
• RQ5 초기 트리 크기(예: 2000개 노드 대비 5000개 노드)가 재계획 성공률과 경로 최적성에 미치는 영향은 어떠한가?

주요 결과

• RRT*-기반 재계획 방법은 모든 시뮬레이션 테스트에서 움직이는 장애물을 성공적으로 피했으며, 최대 3개의 무작위로 움직이는 장애물이 존재하는 경우에도 성공했다.
• 초기 RRT* 실행에서 로봇은 총 길이 103.96 단위의 경로를 실행했고, 재계획 과정에서도 경로 품질이 유지되었다.
• 2000개 노드 트리 시뮬레이션에서는 두 개의 장애물을 만났을 때 성공적으로 재계획되었으며, 수정된 트리는 명확히 장애물 영역을 피하고 있었다.
• 5000개 노드 트리와 높은 장애물 밀도 조건에서는 로봇이 세 번의 장애물에 부딪혀 재계획을 수행했으며, 복잡도 증가 조건에서도 뛰어난 내구성을 입증했다.
• 트리 내에서 자유 공간과 장애물 공간 간의 명확한 구분이 유지되었으며, 무효화된 노드는 향후 재사용을 위해 보존되었다.
• 로봇이 따라간 최종 경로(매그에타 색상으로 표시됨)는 장애물 회피 후 원래 최적 경로를 성공적으로 재개함으로써 이 메서드의 효과성을 확인했다.