[논문 리뷰] Fast-Tracker: A Robust Aerial System for Tracking Agile Target in Cluttered Environments

Zhichao Han, Ruibin Zhang외 3명|arXiv (Cornell University)|2020. 11. 08.

Robotic Path Planning Algorithms참고 문헌 14인용 수 11

한 줄 요약

이 논문은 미지의 혼잡한 환경에서 민망한 목표물을 공격적으로 안전하게 추적할 수 있는 내장형 UAV 시스템인 Fast-Tracker를 제안한다. 제약 조건이 있는 Bézier 회귀를 통한 의도 없는 목표 운동 예측과 두 단계의 궤적 계획기—운동 예측에 의해 유도된 운동역학적 탐색, 그 다음으로 공간-시간 최적화—를 결합하여, 총 계산 시간이 7.3ms인 데 비해 추적 정확도가 뛰어나고 98.2%의 효과적인 추적률을 달성한다.

ABSTRACT

This paper proposes a systematic solution that uses an unmanned aerial vehicle (UAV) to aggressively and safely track an agile target. The solution properly handles the challenging situations where the intent of the target and the dense environments are unknown to the UAV. Our work is divided into two parts: target motion prediction and tracking trajectory planning. The target motion prediction method utilizes target observations to reliably predict the future motion of the target considering dynamic constraints. The tracking trajectory planner follows the traditional hierarchical workflow.A target informed kinodynamic searching method is adopted as the front-end, which heuristically searches for a safe tracking trajectory. The back-end optimizer then refines it into a spatial-temporal optimal and collision-free trajectory. The proposed solution is integrated into an onboard quadrotor system. We fully test the system in challenging real-world tracking missions.Moreover, benchmark comparisons validate that the proposed method surpasses the cutting-edge methods on time efficiency and tracking effectiveness.

연구 동기 및 목표

• 목표의 의도와 장애물 배치가 초기에는 알려져 있지 않은 미지의 밀도가 높은 환경에서 자율 UAV 추적의 과제를 해결한다.
• 예측 불가능한 목표 운동을 다루기 위해 제한된 내장형 컴퓨팅 및 센서 자원에서도 고주기 재계획을 가능하게 한다.
• 추적 궤적의 안전성과 동적 타당성을 유지하면서도 높은 추적 효과성을 확보한다.
• 다항 회귀를 사용하여 물리적 제약 조건을 강제하는 경량의 의도 없는 목표 운동 예측 방법을 개발한다.
• 예측 및 계획 파이프라인을 다중 카메라 센서를 갖춘 완전 기능적인 실세계 큐브로터 시스템에 통합한다.

제안 방법

• 운동역학적 제약 조건을 통해 제한된 속도와 가속도를 강제하는 Bernstein 기저 다항 회귀를 사용하여 향후 목표 운동을 예측한다.
• 운동역학적 탐색을 위한 히우리스틱 함수를 설계하여 현재 목표 관측치와 예측된 운동을 모두 통합하여 궤적 탐색을 유도한다.
• 운동역학적 탐색 결과를 기반으로 연결된 자유공간 격자를 사용해 3D 비행 통로를 구성하여 최적화 공간을 제약한다.
• 후단의 공간-시간 최적화를 적용하여 궤적을 동적으로 타당하고 충돌 방지적이며 에너지 효율적인 경로로 정밀 조정한다.
• 다중 카메라 센서를 갖춘 맞춤형 큐브로터에 시스템을 통합하여 실세계 조건에서의 내구성을 향상시킨다.
• 고주기 재계획을 가능하게 하는 후퇴 예측 프레임워크를 사용하여 갑작스러운 목표의 움직임에 적응한다.

실험 결과

연구 질문

• RQ1 의도를 사전에 알지 못한 채로 미지의 환경에서 UAV가 민망한 목표의 향후 운동을 정확하게 예측할 수 있는 방법은 무엇인가?
• RQ2 밀도가 높고 혼잡한 3차원 환경에서 안전하고 동적으로 타당하며 실시간 궤적 생성이 가능한 운동역학적 계획 전략은 무엇인가?
• RQ3 제한된 내장형 컴퓨팅 자원과 센서 제약 조건 하에서도 시스템이 어떻게 높은 추적 효과성을 유지할 수 있는가?
• RQ4 제안된 방법이 추적 정확도, 계산 효율성, 내구성 측면에서 최첨단 기법들보다 얼마나 뛰어나게 성능을 발휘하는가?
• RQ5 예측 불가능한 상황에서 안전하고 낮은 가속도의 궤적을 유지하면서도 고비율의 추적 성능을 달성할 수 있는가?

주요 결과

• 제안된 목표 운동 예측 방법은 평균 오차 1.82m(낮은 노이즈), 중앙값 오차 2.54m, 높은 노이즈 시 3.45m를 기록하여 기준 방법 [10]의 3.70m, 4.66m, 5.60m보다 유의미하게 뛰어나다.
• 제안된 시스템의 총 계산 시간은 계획 주기당 단지 7.3ms이며, 방법 [9]의 234.0ms보다 훨씬 낮아 높은 효율성을 입증한다.
• 간단한 시나리오에서 제안된 플래너는 98.2%의 효과적인 추적률을 기록하였으며, 동일 조건에서 방법 [9]의 91.4%를 뛰어넘었다.
• 고속 시나리오( vₘ = 3.9 m/s)에서 제안된 방법은 85.6%의 추적률을 유지하였고, 방법 [9]는 69.3%로 떨어져 목표의 민망함에 대한 뛰어난 내구성을 보였다.
• 제안된 시스템이 생성한 최적화된 궤적은 현저히 낮은 가속도를 보이며, 에너지 효율성 향상과 비행의 부드러움을 개선함을 시사한다.
• 밀도 높은 숲과 복잡한 도시형 환경에서의 광범위한 실세계 실험을 통해 시스템의 내구성과 실시간 성능를 확인하였다.