[논문 리뷰] Frontier-based Automatic-differentiable Information Gain Measure for Robotic Exploration of Unknown 3D Environments

Di Deng, Zhefan Xu외 2명|arXiv (Cornell University)|2020. 11. 10.

Robotic Path Planning Algorithms참고 문헌 24인용 수 9

한 줄 요약

이 논문은 퍼지 논리 필터를 도입하여 가시 프론티어 박스 수의 자동 미분 가능성을 확보함으로써 로봇 3D 탐색을 위한 미분 가능한 프론티어 기반 정보 수확 측정법을 제안한다. 이 방법은 경로 최적화를 위한 기울기 기반 최적화를 가능하게 하여 정보 수확을 증가시키고 경로 길이를 줄이며, 시뮬레이션 환경에서 최대 73% 높은 정보 수확과 12.5% 짧은 경로를 달성한다.

ABSTRACT

The path planning problem for autonomous exploration of an unknown region by a robotic agent typically employs frontier-based or information-theoretic heuristics. Frontier-based heuristics typically evaluate the information gain of a viewpoint by the number of visible frontier voxels, which is a discrete measure that can only be optimized by sampling. On the other hand, information-theoretic heuristics compute information gain as the mutual information between the map and the sensor's measurement. Although the gradient of such measures can be computed, the computation involves costly numerical differentiation. In this work, we add a novel fuzzy logic filter in the counting of visible frontier voxels surrounding a viewpoint, which allows the gradient of the information gain with respect to the viewpoint to be efficiently computed using automatic differentiation. This enables us to simultaneously optimize information gain with other differentiable quality measures such as path length. Using multiple simulation environments, we demonstrate that the proposed gradient-based optimization method consistently improves the information gain and other quality measures of exploration paths.

연구 동기 및 목표

• 미지의 3D 환경에서 로봇 경로 계획에 사용되는 이산적이고 비미분 가능한 프론티어 기반 히우리스틱의 한계를 해결하기 위해.
• 퍼지 논리 필터를 통해 프론티어 기반 정보 수확 측정법을 미분 가능하게 하여 기울기 기반 경로 최적화를 가능하게 하기 위해.
• 자동 미분를 활용한 비선형 최적화 프레임워크를 통해 정보 수확과 경로 길이를 동시에 최적화하기 위해.
• 미분 가능한 정보 수확과 궤적 최적화를 융합하여 탐색 효율을 향상시키고, 샘플링 기반 방법과 전통적인 프론티어 방법을 능가하기 위해.

제안 방법

• 로봇의 시점에서부터 보이는 프론티어 박스 수를 세는 과정을 부드럽게 하기 위해 퍼지 논리 필터를 도입하여 이산적인 수를 연속적이고 미분 가능한 함수로 변환한다.
• 자동 미분을 사용하여 로봇의 자세에 대한 정보 수확의 기울기를 계산함으로써 효율적인 최적화를 가능하게 한다.
• 미분 가능한 정보 수확을 경로 길이 및 기타 품질 지표와 융합하여 단일 비선형 목표 함수로 통합한다.
• 기울기 기반 최적화 알고리즘을 활용하여 로봇 경로를 개선함으로써 정보 수확과 경로의 매끄러움을 동시에 향상시킨다.
• 세 가지 복잡한 실내 환경에서 다중 로봇 탐색을 시뮬레이션하기 위해 AirSim을 사용하고, 큐브로터에 RGB-D 센서를 장착하여 방법을 검증한다.
• 환경를 표현하기 위해 확률적 점유 지ap을 사용하고, 프론티어를 알려진 영역와 미지 영역의 경계로 정의한다.

실험 결과

연구 질문

• RQ1 3D 로봇 탐색에서 기울기 기반 경로 최적화를 가능하게 하기 위해 프론티어 기반 정보 수확 측정법을 미분 가능하게 만들 수 있는가?
• RQ2 제안된 미분 가능한 프론티어 측정법은 정보 수확과 경로 효율성 측면에서 샘플링 기반 방법과 비교해 어떻게 성능을 내는가?
• RQ3 미분 가능한 정보 수확과 경로 길이 최적화를 융합하면 더 매끄럽고 효율적인 탐색 경로를 얻을 수 있는가?
• RQ4 제안된 방법은 복잡한 3D 환경에서 커버리지와 탐색 시간 측면에서 전통적인 프론티어 기반 및 정보 이론적 히우리스틱을 능가하는가?

주요 결과

• 최적화 후 스토리지 룸 환경에서 정보 수확은 73.06% 증가하고 경로 길이는 12.51% 감소하였다.
• 연구실 환경에서는 정보 수확이 42.78% 향상되고 경로 길이가 3.83% 감소하였다.
• 공장 환경에서는 정보 수확이 58.02% 증가하였고 경로 길이는 5.81% 감소하였다.
• 최적화된 경로는 스토리지 룸에서 98.64%, 연구실에서 98.91%, 공장에서 96.38%의 커버리지율을 달성하여 RH-NBV 및 프론티어 기반 기준선보다 커버리지와 효율성 측면에서 뛰어난 성능을 보였다.
• 기울기 기반 최적화기는 RH-NBV(연구실에서 3.21분 대비 6.49분) 및 프론티어 기반 방법(5.34분)에 비해 탐색 시간을 크게 단축시켰다.
• 모든 시험 환경에서 정보 수확과 경로의 매끄러움이 일관되게 향상되었으며, 반복 과정에서 정보 수확에 대한 열악한 영향이 없었다.