[논문 리뷰] Fly Safe: Aerial Swarm Robotics using Force Field Particle Swarm Optimisation

Shan Luo, Lauren Parker|arXiv (Cornell University)|2019. 07. 01.

Robotic Path Planning Algorithms참고 문헌 22인용 수 8

한 줄 요약

이 논문은 공기역학적 로봇 군집에서 충돌을 방지하기 위해 속도 갱신 식에 반발력장(Repelling Force Fields)을 통합한 새로운 PSO 변종인 힘장 입자군집최적화(FFPSO)를 제안한다. 이 방법은 3차원 공간에서 실시간으로 충돌 없는 목표 탐색을 가능하게 하여 충돌을 거의 제로 수준으로 줄이며, 표준 PSO와 비교해 수렴 속도를 유지하거나 향상시킨다.

ABSTRACT

Particle Swarm Optimisation (PSO) is a powerful optimisation algorithm that can be used to locate global maxima in a search space. Recent interest in swarms of Micro Aerial Vehicles (MAVs) begs the question as to whether PSO can be used as a method to enable real robotic swarms to locate a target goal point. However, the original PSO algorithm does not take into account collisions between particles during search. In this paper we propose a novel algorithm called Force Field Particle Swarm Optimisation (FFPSO) that designates repellent force fields to particles such that these fields provide an additional velocity component into the original PSO equations. We compare the performance of FFPSO with PSO and show that it has the ability to reduce the number of particle collisions during search to 0 whilst also being able to locate a target of interest in a similar amount of time. The scalability of the algorithm is also demonstrated via a set of experiments that considers how the number of crashes and the time taken to find the goal varies according to swarm size. Finally, we demonstrate the algorithms applicability on a swarm of real MAVs.

연구 동기 및 목표

• 표준 PSO가 실물 로봇 군집, 특히 공중 소형 항공기(MAVs)에 적용될 때 충돌 회피 기능이 부족한 문제를 해결하기 위해.
• 로봇 군집이 효율적으로 목표를 탐색하면서 충돌을 피할 수 있도록 확장 가능하고 실용적인 방법을 개발하기 위해.
• 시뮬레이션과 실제 실험을 통해 실물 MAV 군집을 사용하여 제안된 알고리즘을 검증하기 위해.
• PSO에 힘장을 통합함으로써 입자 간 충돌을 제거하면서도 탐색 성능을 유지하거나 향상시킬 수 있음을 입증하기 위해.

제안 방법

• FFPSO는 표준 PSO의 속도 갱신 식에 입자 간 거리에 따라 작용하는 반발력장 성분을 추가하여 개선한다.
• 두 가지 유형의 힘장 함수를 평가하였다: 선형(FFPSO-LIN)과 역제곱(FFPSO-INV), 둘 다 입자가 가까워질수록 반발력을 생성하도록 설계되었다.
• 입자 간 거리가 줄어들수록 힘장 강도가 증가하여 충돌이 발생하기 전에 입자들이 서로 밀려나도록 보장한다.
• 알고리즘은 원래 PSO의 구성 요소를 유지한다: 개인 최적 위치와 전역 최적 위치 추적을 통해 목표 향한 탐색을 이끈다.
• 중앙 집중식 서버가 개별 개인 최적 위치를 수신하고, 전역 최적 위치를 계산한 후 모든 입자에게 방송하여 조율된 탐색을 가능하게 한다.
• 이 방법은 다양한 군집 크기를 가진 시뮬레이션에서 테스트되었으며, 실내 3차원 환경에서 3대의 실물 Crazyflie 2.0 드론 군집을 이용해 실제 검증되었다.

실험 결과

연구 질문

• RQ1 PSO는 실물 로봇 군집이 3차원 공간에서 목표를 탐색하면서 충돌을 피할 수 있도록 적응시킬 수 있는가?
• RQ2 인공 힘장 통합이 공중 로봇 군집의 수렴 시간과 충돌 빈도에 어떤 영향을 미치는가?
• RQ3 FFPSO 알고리즘은 다양한 군집 크기에서 충돌 빈도와 탐색 시간 측면에서 얼마나 확장 가능한가?
• RQ4 실제 환경에서 실물 MAV를 사용한 FFPSO의 성능은 시뮬레이션과 비교해 얼마나 효과적인가?
• RQ5 힘장 메커니즘은 탐색 효율성을 유지하면서도 충돌 없는 주행을 보장하도록 조정할 수 있는가?

주요 결과

• FFPSO-LIN은 탐색 중 입자 간 충돌 수를 0으로 줄였으며, 표준 PSO와 비교해 수렴 시간을 유지하거나 약간 향상시켰다.
• 시뮬레이션 결과, FFPSO-LIN은 3에서 20개의 입자로 구성된 모든 테스트 군집 크기에서 목표 탐색에 100% 성공률를 기록했으며, 충돌은 전혀 발생하지 않았다.
• 3대의 실물 Crazyflie 2.0 드론을 사용한 실제 실험에서 FFPSO-LIN은 두 개의 연속된 목표를 충돌 없이 성공적으로 탐색하는 데 성공했다.
• 가장 가까운 두 대의 MAV 간 거리는 일시적으로 안전 기준 이하로 떨어졌지만, 힘장 메커니즘이 즉각적으로 반발력을 증가시켜 충돌을 방지했다.
• 실제 비행 데이터에서의 그래프(Fig. 7)는 힘장 메커니즘이 안전한 간격을 유지하면서도 목표 향한 조율된 이동을 효과적으로 가능하게 했다.
• 결과적으로 FFPSO는 실물 적용에서 확장 가능하고 강건함을 입증하였으며, 구조적 구조물 탐색 및 구조 활동과 같은 안전이 중요한 응용 분야에 잠재적 활용 가능성을 보여주었다.