[논문 리뷰] Fast Marching Tree: a Fast Marching Sampling-Based Method for Optimal Motion Planning in Many Dimensions

Lucas Janson, Edward Schmerling외 2명|arXiv (Cornell University)|2013. 06. 15.

Robotic Path Planning Algorithms참고 문헌 33인용 수 19

한 줄 요약

이 논문은 고차원 공간에서 더 빠른 수렴 속도를 보이며 渐近 최적성(Asymptotic Optimality)을 달성하는 샘플링 기반 운동 계획 알고리즘인 FMT$^*$를 소개한다. Fast Marching Methods와 RRT/PRM$^*$의 특징을 융합함으로써, 확률적 샘플링된 점들에 대해 게으른 동적 프rogramming 재귀를 수행함으로써 $O(n^{-1/d + \rho})$의 수렴 속도를 달성한다. 이는 PRM$^*$ 및 RRT$^*$보다 해의 품질과 계산 시간 모두에서 뛰어나며, 특히 고차원 공간과 비용이 높은 충돌 검사 환경에서 유의미하게 뛰어나다.

ABSTRACT

In this paper we present a novel probabilistic sampling-based motion planning algorithm called the Fast Marching Tree algorithm (FMT*). The algorithm is specifically aimed at solving complex motion planning problems in high-dimensional configuration spaces. This algorithm is proven to be asymptotically optimal and is shown to converge to an optimal solution faster than its state-of-the-art counterparts, chiefly PRM* and RRT*. The FMT* algorithm performs a "lazy" dynamic programming recursion on a predetermined number of probabilistically-drawn samples to grow a tree of paths, which moves steadily outward in cost-to-arrive space. As a departure from previous analysis approaches that are based on the notion of almost sure convergence, the FMT* algorithm is analyzed under the notion of convergence in probability: the extra mathematical flexibility of this approach allows for convergence rate bounds--the first in the field of optimal sampling-based motion planning. Specifically, for a certain selection of tuning parameters and configuration spaces, we obtain a convergence rate bound of order $O(n^{-1/d+ρ})$, where $n$ is the number of sampled points, $d$ is the dimension of the configuration space, and $ρ$ is an arbitrarily small constant. We go on to demonstrate asymptotic optimality for a number of variations on FMT*, namely when the configuration space is sampled non-uniformly, when the cost is not arc length, and when connections are made based on the number of nearest neighbors instead of a fixed connection radius. Numerical experiments over a range of dimensions and obstacle configurations confirm our theoretical and heuristic arguments by showing that FMT*, for a given execution time, returns substantially better solutions than either PRM* or RRT*, especially in high-dimensional configuration spaces and in scenarios where collision-checking is expensive.

연구 동기 및 목표

• PRM$^*$ 및 RRT$^*$와 같은 기존 방법보다 더 빠른 수렴 속도를 보이며 渐近 최적성을 달성하는 샘플링 기반 운동 계획 알고리즘을 개발하는 것.
• 단일 쿼리(RRT 유사)와 다중 쿼리(PRM 유사) 계획기 간 격차를 해소하기 위해 그들의 장점을 통합된 프레임워크 안에서 융합하는 것.
• 거의 확실 수렴(Almost Sure Convergence)이 아닌 확률 수렴(Convergence in Probability)을 기반으로 하여, 최적의 샘플링 기반 운동 계획에서 처음으로 수렴 속도 한계를 도출하는 것.
• 비균일 샘플링, 일반 비용 함수, k-최근접 이웃 연결으로의 확장을 통해 복잡한 계획 시나리오에 대한 적용 가능성을 넓히는 것.
• 실험적으로 FMT$^*$가 동일한 실행 시간 내에서 PRM$^*$ 및 RRT$^*$보다 유의미하게 더 우수한 해를 제공함을 검증하는 것. 특히 고차원 및 충돌 검사 비용이 높은 환경에서 두드러진다.

제안 방법

• FMT$^*$는 구성 공간 내에 고정된 확률적 샘플링 점들에 대해 게으른 동적 프로그래밍 재귀를 수행하여 도착 비용 공간 내에서 경로의 트리를 성장시킨다.
• 알고리즘은 도착 비용이 낮은 순서로 노드를 처리하기 위해 우선순위 큐를 사용하며, 각 노드를 연결 반경 또는 k-최근접 이웃을 통해 가장 낮은 비용의 타당한 이웃과 연결한다.
• 게으른 평가 전략을 적용하여 경로가 확장되기 전까지 충돌 검사를 연기함으로써 계산 효율성을 향상시킨다.
• Eikonal 방정식을 해결하기 위한 Fast Marching Method를 영감으로 받아, 구성 공간 전역에 걸쳐 도착 비용 값을 효율적으로 전파할 수 있도록 한다.
• 이론적 분석은 거의 확실 수렴이 아닌 확률 수렴 기반으로 수행되어, 이전 연구들이 거의 확실 수렴에 의존한 것과 달리 수렴 속도 한계를 도출할 수 있다.
• 비균일 샘플링 분포, 일반 비용 함수(단순한 호 길이 외의 비용), k-최근접 이웃 연결으로의 확장을 제공함으로써 알고리즘의 강건성과 적응성 향상.

실험 결과

연구 질문

• RQ1 샘플링 기반 운동 계획에서 거의 확실 수렴 외에 증명 가능한 수렴 속도를 갖는 渐近 최적성 달성이 가능한가?
• RQ2 단일 쿼리 방법의 효율성과 다중 쿼리 방법의 루프맵 구조를 융합함으로써 최적 해에 대한 수렴 속도가 더 빨라지는가?
• RQ3 최적의 샘플링 기반 운동 계획에서 수렴 속도 한계를 엄밀히 도출할 수 있으며, 그 형태는 어떠한가?
• RQ4 비균일 샘플링 분포 및 일반 비용 함수 조건에서 FMT$^*$는 표준 설정 대비 어떻게 성능을 발휘하는가?
• RQ5 k-최근접 이웃 버전의 FMT$^*$는 상호 k-최근접 이웃 PRM$^*$ 그래프에 비해 해의 품질에서 뛰어나게 성능을 발휘하는가?

주요 결과

• FMT$^*$는 비균일 샘플링 및 일반 비용 함수 조건 하에서도 일반 조건에서 渐近 최적성을 달성하며, 확률 수렴에 대한 이론적 보장이 있다.
• 알고리즘은 $O(n^{-1/d + \rho})$의 수렴 속도를 보이며, 여기서 $n$은 샘플 수, $d$는 구성 공간 차원, $\rho > 0$는 임의로 작은 값이다. 이는 최적의 샘플링 기반 운동 계획에서 처음으로 도출된 수렴 속도 한계이다.
• 지정된 실행 시간 내에서 FMT$^*$는 고차원 공간과 비용이 높은 충돌 검사 환경에서 PRM$^*$ 및 RRT$^*$보다 유의미하게 더 나은 해를 반환한다.
• k-최근접 이웃 버전의 FMT$^*$는 더 유연하고 비용 인식이 높은 연결 덕분에 상호 k-최근접 이웃 PRM$^*$ 그래프보다 해의 품질이 엄밀히 뛰어나게 반환할 수 있다.
• 수치 실험을 통해 FMT$^*$가 PRM$^*$ 및 RRT$^*$보다 최적 해에 더 빠르게 수렴하는 것으로 확인되었으며, 차원이 10 이상이거나 복잡한 장애물 구조를 가진 환경에서 성능 향상이 뚜렷하다.
• 이론적 분석을 통해 k-최근접 이웃 그래프의 최장 간선이 확률적으로 0으로 수렴하며, 연결성과 최적성 보장하는 속도를 확보한다. 특히 큰 $n$에 대해 $\mathbb{P}(\hat{e}_n^{\text{max}} > e_n) \leq n^{-16}$를 만족하여 높은 연결 확률을 보장한다.