[논문 리뷰] Enhancing Mobile Robot Navigation Safety and Efficiency through NMPC with Relaxed CBF in Dynamic Environments

Nhat Nguyen Minh, Stephen McIlvanna외 3명|arXiv (Cornell University)|2022. 11. 21.

Advanced Control Systems Optimization인용 수 4

한 줄 요약

이 논문은 비홀로노믹 이동 로봇을 위한 안전 중심 비선형 모델 예측 제어(NMPC) 프레임워크를 제안하며, 동적 환경에서의 장애물 회피를 보장하기 위해 유연한 제어 장벽 함수(CBF)를 통합한다. 짧은 예측 수평선에 CBF 제약 조건을 통합함으로써, 계산 부담을 줄이고도 안전성과 최적 성능을 동시에 확보하는 방법으로, 더 짧은 예측 수평선에서도 버그 유형(BT) 제약 조건을 갖는 NMPC보다 점 안정화 및 궤적 추적 성능에서 뛰어나다.

ABSTRACT

In this paper, a safety-critical control strategy for a nonholonomic robot is developed to generate control signals that result in optimal, obstacle-free paths through dynamic environments. We formulate the control synthesis problem as an Optimal Control Problem (OCP) that enforces Control Lyapunov Function (CLF) constraints for system stability as well as safety-critical constraints using Control Barrier Function (CBF) with a relaxing decay rate of the barrier function. A Nonlinear Model Predictive Control (NMPC) integrates with CLF and CBF to ensure system safety and facilitate optimal performance within a short prediction horizon, reducing the computational burden in real-time implementation. Additionally, we incorporate an obstacle avoidance constraint based on the Euclidean norm into the NMPC framework, showcasing the CBF approach's superiority in addressing mobile robotic systems' point stabilisation and trajectory tracking challenges. Through extensive simulations, the proposed controller demonstrates proficiency in static and dynamic obstacle avoidance under various scenarios. Experimental validations conducted using the Husky A200 robot align with simulation results, reinforcing the applicability of our proposed approach in real-world scenarios, notably improving the computational efficiency and safety in practical mobile robot applications.

연구 동기 및 목표

• 비홀로노믹 이동 로봇을 위한 안전 중심 제어 프레임워크를 개발하여, 동적 환경에서의 장애물 회피를 보장한다.
• 실시간 안전 보장을 위해 제어 장벽 함수(CBF)를 비선형 모델 예측 제어(NMPC)에 통합한다.
• 더 짧은 예측 수평선으로도 효과적인 장애물 회피를 가능하게 하여 계산 부담을 감소시킨다.
• 점 안정화 및 궤적 추적 작업에서 NMPC-CBF 성능을 NMPC에 버그 유형(BT) 제약 조건을 적용한 경우와 비교한다.
• 다양한 예측 수평선에서 정적 및 동적 장애물이 존재하는 시뮬레이션 환경에서 방법을 검증한다.

제안 방법

• 차량의 비선형 운동학 모델을 기반으로 이산 시간 NMPC 제어기를 수립한다.
• 안전 영역의 전방 불변성을 확보하기 위해 NMPC 최적화에 유연한 제어 장벽 함수(CBF) 제약 조건을 통합한다.
• 리아푸노프 안정성 정리에 기반하여 NMPC-CBF 수식의 안정성 조건을 유도한다.
• 유클리드 노름 기반 장애물 회피 제약 조건을 적용하여 점 안정화 및 궤적 추적에서 CBF의 효과를 향상시킨다.
• 성능 평가를 위해 비교용 제어기에서 NMPC의 CBF 제약 조건을 버그 유형(BT) 제약 조건으로 대체한다.
• 계산 비용을 줄이기 위해 짧은 예측 수평선(N=5 또는 N=10)을 사용하면서도 안전성과 추적 성능를 유지한다.

실험 결과

연구 질문

• RQ1 유연한 CBF는 동적 장애물 환경에서 NMPC에 효과적으로 통합되어 안전성을 보장할 수 있는가?
• RQ2 NMPC-CBF는 버그 유형(BT) 제약 조건을 적용한 NMPC와 비교해 점 안정화 작업에서 어떻게 성능을 발휘하는가?
• RQ3 CBF를 사용할 경우, BT 기반 NMPC보다 더 짧은 예측 수평선에서도 효과적인 장애물 회피가 가능할 정도로 얼마나 뛰어난가?
• RQ4 정적 및 동적 장애물 존재 조건에서 NMPC-CBF 제어기는 어떻게 추적 성능를 유지하는가?
• RQ5 이동 로봇 주행에 있어 NMPC에서 CBF 제약 조건을 BT 제약 조건보다 사용할 경우 계산 효율성은 얼마나 향상되는가?

주요 결과

• N=5 예측 수평선을 사용할 때, NMPC-CBF는 매끄럽고 장애물이 없는 궤적을 통해 목표 자세로 로봇을 안정화시키는 데 성공하였고, 반면 NMPC-BT는 장애물 사이에 갇혀 목표에 도달하지 못했다.
• N=5 조건에서, 다수의 정적 및 이동 장애물이 존재하는 동적 환경에서 NMPC-CBF는 NMPC-BT보다 더 우수한 궤적 추적 성능를 보였다.
• CBF를 적용함으로써 최적화 문제 크기를 50% 감소시켜, 장애물이 많은 상황에서 시간당 평균 계산 시간을 9.3 ms에서 9.1 ms로 단축시켰다.
• NMPC-CBF는 N=5 조건에서도 안전하고 안정적인 성능를 유지하는 반면, NMPC-BT는 장애물에 의한 정지로 인해 오차 상태 벡터의 큰 오버슈트를 보였다.
• CBF 기반 접근법은 더 짧은 예측 수평선으로도 안전한 주행을 가능하게 하여, 실시간 구현을 위한 계산 부담을 크게 감소시켰다.
• 장애물이 있는 궤적 추적 작업에서 NMPC-CBF는 NMPC-BT보다 더 빠르게 수렴하고, 더 낮은 추적 오차를 유지하였다. 특히 짧은 수평선 조건에서 두드러진 성능 향상을 보였다.