[논문 리뷰] EGO-Swarm: A Fully Autonomous and Decentralized Quadrotor Swarm System in Cluttered Environments

Xin Zhou, Jiangchao Zhu외 3명|arXiv (Cornell University)|2020. 11. 09.

Robotic Path Planning Algorithms참고 문헌 25인용 수 12

한 줄 요약

이 논문은 온보드 센서와 계산 자원만을 사용하여 미지의 복잡한 환경에서 실시간으로 항법할 수 있는 완전히 자율적이고 분산형 4축 드론 기반 군집 시스템인 EGO-Swarm을 제시한다. 기울기 기반 국소 계획법과 경량적인 위상적 경로 탐색, 궤적 공유를 통한 분산형 상호 회피 기반으로, 시스템은 5ms 이내의 궤적 계산을 달성하고 통신 장애에 강건하며 정확한 상대 위치 추정을 가능하게 한다. 이는 최대 10架의 드론을 사용한 시뮬레이션 및 실외 숲과 실내 환경에서의 비행 실험을 통해 검증되었다.

ABSTRACT

This paper presents a decentralized and asynchronous systematic solution for multi-robot autonomous navigation in unknown obstacle-rich scenes using merely onboard resources. The planning system is formulated under gradient-based local planning framework, where collision avoidance is achieved by formulating the collision risk as a penalty of a nonlinear optimization problem. In order to improve robustness and escape local minima, we incorporate a lightweight topological trajectory generation method. Then agents generate safe, smooth, and dynamically feasible trajectories in only several milliseconds using an unreliable trajectory sharing network. Relative localization drift among agents is corrected by using agent detection in depth images. Our method is demonstrated in both simulation and real-world experiments. The source code is released for the reference of the community.

연구 동기 및 목표

• 외부 위치 추적 장치나 사전 구축된 지ap을 사용하지 않고도 장애물이 많은 미지의 환경에서 작동하는 완전히 자율적이고 분산형 4축 드론 군집 시스템을 개발하는 것.
• 온보드 처리만을 사용하여 통신의 불안정성, 상대 위치 추정의 드리프트, 다중 로봇 항법에서의 동적 타당성 문제를 해결하는 것.
• 단일 로봇용 EGO-Planner를 최소한의 계산 오버헤드와 높은 통신 장애에 대한 내성으로 갖춘 확장 가능한 군집 프레임워크로 확장하는 것.
• 최소한의 조율 오버헤드로 실시간, 안전하고 부드러운 궤적 생성을 가능하게 하는 분산 제어 하에서의 안정성 확보.
• 모의 환경과 실제 환경(밀도 높은 숲과 실내 장애물 코스 포함)에서의 성능을 검증하는 것.

제안 방법

• 충돌 위험을 비선형 최적화 문제의 페널티로 모델링하는 기울기 기반 국소 계획 프레임워크를 사용하여 동적 타당성과 부드러운 궤적을 보장한다.
• 지나치게 높은 계산 비용 없이 국소 최적값에서 벗어나기 위해 경량적이고 암묵적인 위상적 경로 탐색을 통합하여 비凸 환경에서의 강건성을 향상시킨다.
• 예측된 에이전트 분포와 향후 궤적 상태를 비교하는 가중 페널티 항목을 목적 함수에 추가하여 분산형 상호 회피를 달성한다.
• 데이터 전송을 줄이고 신뢰성 낮은 통신 링크를 견딜 수 있도록 비동기 방식의 브로드캐스트 네트워크를 통해 궤적을 공유한다.
• 이웃 에이전트의 깊이 이미지 관측치와 궤적 예측 비교를 통해 상대 위치 추정 오차를 보정하여 정확한 상대 자세 추정을 가능하게 한다.
• 모션 캡처나 중심 집계 계산에 의존하지 않고 온보드 인식, 계획, 제어 모듈을 활용하여 완전한 자율성을 확보한다.

실험 결과

연구 질문

• RQ1 완전히 분산형이고 자율적인 4축 드론 군집이 온보드 센서와 계산 자원만을 사용하여 미지의 복잡한 환경을 항법할 수 있는가?
• RQ2 신뢰성 낮은 통신과 상대 위치 추정 드리프트 상황에서도 분산형 군집이 안전하고 부드럽고 동적으로 타당한 궤적을 유지할 수 있는가?
• RQ3 암묵적인 위상적 경로 탐색이 복잡한 환경에서 최소한의 계산 오버헤드로 국소 최적값에서 벗어나는 데 미치는 영향은 무엇인가?
• RQ4 최신의 분산형 군집 계획 기법들과 비교했을 때 시스템의 계산 효율성, 궤적 품질, 강건성 측면에서의 성능은 어떠한가?
• RQ5 오픈 공간과 장애물이 많은 환경에서 에이전트 수가 증가함에 따라 계산 시간과 성능 측면에서 얼마나 확장 가능한가?

주요 결과

• 시스템은 에이전트당 5ms 이내로 안전하고 부드럽고 동적으로 타당한 궤적을 계산하며, 저밀도 환경에서는 계산 시간이 0.49ms로 감소한다.
• 장애물이 많은 시뮬레이션(0.42개/㎡)에서 평균 비행 거리는 49.4미터였고, 장애물과의 최소 안전 거리는 0.208미터로 높은 안전성과 효율성을 입증했다.
• 비교 대상 방법(DMPC, ORCA, RBP) 중에서 가장 짧은 비행 거리와 가장 빠른 계산 시간을 기록했으며, 궤적 품질과 실시간 타당성 측면에서 EGO-Swarm가 다른 방법들을 압도적으로 뛰어났다.
• 확장성 분석 결과, 필요에 따라 충돌 검사를 수행하는 전략 덕분에 에이전트 수가 증가함에 따라 계산 시간이 수평선을 이루며 안정화되어 효율적인 O(n) 확장 성질을 보였다.
• 실외 숲과 실내 환경 실험을 통해 뛰어난 성능을 입증했다: 3架의 드론이 서로의 위치를 반대로 설정함으로써 상호 회피를 강제하는 상황에서도 밀도 높은 나무 군집과 좁은 통로를 성공적으로 통과했다.
• 시스템은 통신 장애와 상대 위치 추정 드리프트에 강건하여 외부 위치 추적 지원 없이도 안정적인 항법을 유지했다.