[논문 리뷰] Efficient Reciprocal Collision Avoidance between Heterogeneous Agents Using CTMAT

Yuexin Ma, Dinesh Manocha외 1명|arXiv (Cornell University)|2018. 04. 07.

Robotic Path Planning Algorithms참고 문헌 40인용 수 6

한 줄 요약

이 논문은 이질적인 에이전트를 위한 새로운 중추축 기반 표현인 CTMAT을 제안하며, 비보수적 상호작용 충돌 회피를 효율적으로 가능하게 한다. 에이전트를 원호와 선분의 조합으로 모델링하고, 사전 계산된 민코프스키 합을 사용함으로써, MATRVO 알고리즘은 원형/타원형 방법과 유사한 실시간 성능를 확보하면서도, 혼잡한 환경에서 거짓 긍정률을 최대 90%까지 감소시킨다.

ABSTRACT

We present a novel algorithm for reciprocal collision avoidance between heterogeneous agents of different shapes and sizes. We present a novel CTMAT representation based on medial axis transform to compute a tight fitting bounding shape for each agent. Each CTMAT is represented using tuples, which are composed of circular arcs and line segments. Based on the reciprocal velocity obstacle formulation, we reduce the problem to solving a low-dimensional linear programming between each pair of tuples belonging to adjacent agents. We precompute the Minkowski Sums of tuples to accelerate the runtime performance. Finally, we provide an efficient method to update the orientation of each agent in a local manner. We have implemented the algorithm and highlight its performance on benchmarks corresponding to road traffic scenarios and different vehicles. The overall runtime performance is comparable to prior multi-agent collision avoidance algorithms that use circular or elliptical agents. Our approach is less conservative and results in fewer false collisions.

연구 동기 및 목표

• 밀도가 높거나 복잡한 환경에서 충돌률이 높아지는 원형 및 타원형 에이전트 근사의 한계를 해결하기 위해.
• 크기와 축률이 다른 이질적 에이전트(예: 자동차, 버스, 보행자)의 형상을 정확히 포괄하는 기하 표현을 개발하기 위해.
• 기존 방법보다 보수성을 줄이며 실시간 성능를 유지하는 상호작용 충돌 회피 알고리즘을 설계하기 위해.
• 사전 계산 및 국소적 방향 업데이트를 통해 계산 성능를 최적화하여 수천 명의 에이전트를 상호작용적으로 시뮬레이션할 수 있도록 하기 위해.

제안 방법

• 각 에이전트의 중추축 변환(MAT)을 단순화하여, 인접한 중추 원 사이의 선형 보간을 통해 두 개의 원호와 두 개의 선분으로 이루어진 튜플을 형성함으로써, 압축된 CTMAT 표현을 구성한다.
• 에이전트의 충돌 기하학을 이러한 CTMAT 튜플로 표현함으로써, 속도 장벽 기반 충돌 회피를 위한 정확하고 효율적인 민코프스키 합 계산을 가능하게 한다.
• 상호작용 속도 장벽(RVO) 프레임워크를 적용하여, CTMAT 튜플 간의 쌍별 충돌 검사를 저차원 선형 프로그래밍 문제로 축소한다.
• CTMAT 튜플과 폭 테이블의 사전 민코프스키 합을 계산하여, 궤적 계산 중 런타임 성능를 가속화한다.
• 내비게이션 중에 국소적으로 에이전트의 방향을 업데이트하여, 전역 재계획 없이도 부드럽고 충돌 없는 궤적을 유지한다.
• 정확한 다각형 충돌 검사를 기준으로 삼아, ORCA 및 ERVO와의 거짓 긍정률을 검증한다.

실험 결과

연구 질문

• RQ1 원형 또는 타원형 근사와 비교해 볼 때, 중추축 기반 표현은 이질적 에이전트의 다중 에이전트 충돌 회피에서 보수성을 줄일 수 있는가?
• RQ2 CTMAT 기반 알고리즘의 계산 성능는 ORCA 및 ERVO와 같은 최첨단 방법과 비교해 프레임 업데이트 시간 및 확장성 측면에서 어떻게 되는가?
• RQ3 CTMAT 표현은 혼잡한 교통 상황에서 거짓 긍정 충돌 감지의 정도를 어느 정도 줄일 수 있는가?
• RQ4 사전 계산된 민코프스키 합과 폭 테이블은 대규모 다중 에이전트 시뮬레이션에서 충돌 회피 성능를 상당히 가속화할 수 있는가?
• RQ5 국소적 방향 업데이트 메커니즘은 복잡한 환경에서 부드럽고 충돌 없는 궤적을 유지하는 데 얼마나 효과적인가?

주요 결과

• 에이전트당 한 개의 튜플을 사용하는 MATRVO 알고리즘은 ORCA(원형 에이전트)의 1.5~2배 빠르고, ERVO(타원형 에이전트)의 2배 빠르게 작동하여 단일 CPU 코어에서 상호작용 성능를 확보한다.
• 사전 계산 없이도, 한 튜플을 가진 두 CTMAT 간의 충돌 회피는 약 20 마이크로초의 쿼리 시간을 차지한다.
• 반대 원형 벤치마크에서 MATRVO는 거짓 긍정률을 8.5~9.8%로 줄였고, ERVO 및 ORCA는 각각 37.9~60.4%를 기록했다.
• CTMAT 표현은 원형 및 타원형 에이전트가 과도하게 보수적인 태도로 실패한 좁은 복도 및 문을 통과하는 시나리오에서도 성공적으로 내비게이션을 가능하게 했다.
• 사전 계산을 사용한 MATRVO는 ORCA보다 최대 2배 빠르게 작동하여, 최대 1,000명의 에이전트를 포함하는 대규모 시뮬레이션에서도 강력한 확장성을 보였다.
• 알고리즘은 서로 다른 방향에서 500명의 에이전트가 이동하는 복잡한 교통 상황과 4개의 정사각형으로 이루어진 환경에서 160명의 에이전트가 이동하는 상황을 모두 충돌 없는 궤적을 유지하며 성공적으로 시뮬레이션했다.