[논문 리뷰] FUEL: Fast UAV Exploration using Incremental Frontier Structure and Hierarchical Planning

Boyu Zhou, Yichen Zhang외 2명|arXiv (Cornell University)|2020. 10. 22.

Robotic Path Planning Algorithms참고 문헌 34인용 수 5

한 줄 요약

이 논문은 빠른 고주파 계획을 가능하게 하기 위해 점진적으로 업데이트되는 프론티어 정보 구조(Frontier Information Structure, FIS)를 사용하는 계층적 UAV 탐색 프레임워크인 FUEL을 제안한다. 전역 투어 최적화, 국소 시점 정밀화, 최소 시간 경로 생성을 조합함으로써 FUEL은 시뮬레이션 및 실제 환경 테스트에서 최신 기술 대비 3–8배 빠른 탐색 속도를 달성하여 복잡한 환경에서 커버리지 속도와 경로 효율성을 크게 향상시킨다.

ABSTRACT

Autonomous exploration is a fundamental problem for various applications of unmanned aerial vehicles. Existing methods, however, were demonstrated to insufficient exploration rate, due to the lack of efficient global coverage, conservative motion plans and low decision frequencies. In this paper, we propose FUEL, a hierarchical framework that can support Fast UAV Exploration in complex unknown environments. We maintain crucial information in the entire space required by exploration planning by a frontier information structure (FIS), which can be updated incrementally when the space is explored. Supported by the FIS, a hierarchical planner plans exploration motions in three steps, which find efficient global coverage paths, refine a local set of viewpoints and generate minimum-time trajectories in sequence. We present extensive benchmark and real-world tests, in which our method completes the exploration tasks with unprecedented efficiency (3-8 times faster) compared to state-of-the-art approaches. Our method will be made open source to benefit the community.

연구 동기 및 목표

• 탐색 속도 저하의 원인인 탐욕적 계획, 보수적인 운동, 높은 계산 오버헤드 문제를 해결하기 위해.
• 새로운 환경 정보에 대응해 고주파 재계획을 가능하게 하여 실시간 적응성을 확보하기 위해.
• 동적 타당성과 안전성을 유지하면서도 최적의 탐색 투어를 계획함으로써 전역 커버리지 효율을 향상시키기 위해.
• 정밀화된 시점 기반 최소 시간 경로 생성을 통해 고속·민첩한 비행을 지원하기 위해.
• 모의 환경과 실제 환경 모두에서 프레임워크를 검증하기 위해, 복잡한 실내 장면과 외부 숲 환경을 포함하여.

제안 방법

• 프론티어 정보 구조(Frontier Information Structure, FIS)는 탐색된 전체 환경에 걸쳐 프론티어 위치 및 클러스터 데이터와 같은 핵심 공간 정보를 점진적으로 유지하여 효율적인 전역 계획을 가능하게 한다.
• 계층적 플래너는 세 단계로 작동한다: (1) FIS를 사용한 전역 투어 계획으로 총 경로 길이를 최소화하고, (2) 운동 당 정보 수득을 최대화하기 위한 국소 시점 정밀화, (3) 동적 타당성을 확보하는 최소 시간 경로 생성.
• 신규 센서 데이터 수신 시 FIS가 점진적으로 업데이트되어 플래너가 고주파로 작동하고 환경 변화에 신속히 대응할 수 있도록 한다.
• 전역 투어 계산은 커버리지와 경로 길이의 균형을 잡는 휴리스틱 기반 최적화를 사용하여 큰 미지의 공간을 효율적으로 탐색하도록 보장한다.
• 국소 운동 계획은 비선형 경로 최적화를 통해 정밀화된 시점에서부터 동적 타당하고 매끄럽고 시간 최적의 경로를 생성한다.
• 시스템은 외부 위치 추정 없이 전부 온보드에서 작동하며, 실시간 운영을 위해 온보드 상태 추정기와 매핑 모듈에 의존한다.

실험 결과

연구 질문

• RQ1 점진적 상태 표현을 갖춘 계층적 계획 프레임워크가 복잡한 미지의 환경에서 UAV 탐색 속도를 크게 향상시킬 수 있는가?
• RQ2 유지되는 프론티어 구조 기반 전역 투어 계획은 탐욕적 또는 국소 전용 전략에 비해 경로 효율성과 커버리지 시간 측면에서 어떻게 비교되는가?
• RQ3 최소 시간 경로 생성이 탐색 중 안전성과 동적 타당성을 유지하면서 비행 속도를 얼마나 향상시킬 수 있는가?
• RQ4 센서 노이즈, 제한된 시야, 동적 장애물 등 실제 환경 조건에서 시스템의 성능은 어떠한가?
• RQ5 제안된 방법이 안전성이나 정확성을 훼손하지 않으면서도 높은 의사결정 주파수를 유지하고 새로운 환경 정보에 신속히 적응할 수 있는가?

주요 결과

• 시뮬레이션 결과, FUEL은 최신 기술 대비 탐색 작업을 3~8배 더 빠르게 완료했으며, 훨씬 더 짧고 매끄러운 커버리지 경로를 기록했다.
• 전역 투어 계획 덕분에 경로 길이가 감소하고, 특히 다른 방법이 알려진 영역를 반복 탐색하는 데 애를 먹는 복잡한 미로 환경에서 재탐색 횟수가 최소화되었다.
• 대규모 미로 시나리오에서는 거의 선형 탐색 속도를 달성하여 시간이 지남에 따라 일관되고 효율적인 커버리지가 유지됨을 보여주었다.
• 실내 장애물이 있는 환경과 외부 숲에서의 실제 테스트를 통해 시스템의 견고성과 실시간 성능이 확인되었으며, 외부 위치 추정 없이 전부 온보드에서 작동했다.
• 기본 방법 대비 실행된 경로가 더 매끄럽고 빠르며, 최소 시간 경로 생성 덕분에 더 높은 비행 속도가 가능했다.
• FIS 덕분에 고주파 재계획이 가능해져 UAV가 새로운 환경 데이터에 즉각적으로 대응할 수 있었으며, 이는 전체 속도 향상에 기여했다.