[논문 리뷰] Improving Trajectory Optimization using a Roadmap Framework

Siyu Dai, Matthew Orton외 3명|arXiv (Cornell University)|2018. 11. 05.

Robotic Path Planning Algorithms참고 문헌 13인용 수 4

한 줄 요약

이 논문은 TrajOpt를 사용하여 희소 로드맵과 궤적 최적화를 결합한 하이브리드 운동 계획 프레임워크를 제안하여 빠르고 타당하며 최적의 로봇 궤적을 달성한다. TrajOpt를 로드맵이 생성한 경로로 초기화함으로써, 단독으로 작동하는 계획자들과 비교해 계획 시간을 1초 이하로 줄이고 경로 최적성과 충돌률을 향상시켰으며, 실시간 로봇 응용 분야에서 뛰어난 성능을 입증하였다.

ABSTRACT

We present an evaluation of several representative sampling-based and optimization-based motion planners, and then introduce an integrated motion planning system which incorporates recent advances in trajectory optimization into a sparse roadmap framework. Through experiments in 4 common application scenarios with 5000 test cases each, we show that optimization-based or sampling-based planners alone are not effective for realistic problems where fast planning times are required. To the best of our knowledge, this is the first work that presents such a systematic and comprehensive evaluation of state-of-the-art motion planners, which are based on a significant amount of experiments. We then combine different stand-alone planners with trajectory optimization. The results show that the combination of our sparse roadmap and trajectory optimization provides superior performance over other standard sampling-based planners combinations. By using a multi-query roadmap instead of generating completely new trajectories for each planning problem, our approach allows for extensions such as persistent control policy information associated with a trajectory across planning problems. Also, the sub-optimality resulting from the sparsity of roadmap, as well as the unexpected disturbances from the environment, can both be overcome by the real-time trajectory optimization process.

연구 동기 및 목표

• 실시간 로봇 운동 계획에서 단독으로 작동하는 샘플링 기반 또는 최적화 기반 계획자들의 한계를 해결하기 위해.
• 희소 로드맵 프레임워크에 궤적 최적화를 통합하여 해의 품질과 계획 속도를 향상시키기 위해.
• 사전 계산된 로드맵을 통해 계획 쿼리 간 지속적인 제어 정책 정보를 제공하기 위해.
• 로드맵의 희소성과 환경적 요란함으로 인한 부분 최적성 문제를 실시간 궤적 최적화로 보완하기 위해.
• 동적 요란함 하에서 빠른 재계획이 가능한 반응형 운동 실행 시스템을 개발하기 위해.

제안 방법

• 프레임워크는 각 계획 쿼리에 대해 초기 타당 경로를 생성하기 위해 사전 계산된 희소 로드맵을 사용한다.
• Tra지옵은 역학적 제약, 구동 제한 및 시간 제약 조건을 포함하여 로드맵이 생성한 궤적을 최적화한다.
• 로드맵은 APSP(근사 최단 경로) 사전 계산을 통한 PRM 유사 접근 방식으로 구성되어 있으며, 빠른 쿼리 해결을 위해 설계되었다.
• Tra지옵은 볼록-볼록 충돌 체크 및 순차적 순환 제곱 프로그래밍을 사용하여 국소 최소값을 피하면서 효율적으로 궤적을 최적화한다.
• 로드맵에서 유도된 초기 궤적은 고품질의 시드 역할을 하여 수렴 속도와 해의 품질을 향상시킨다.
• 실시간에서 동적 장애물을 처리하기 위해 로드맵 연결성을 수정함으로써 프레임워크는 증분 업데이트를 지원한다.

실험 결과

연구 질문

• RQ1 희소 로드맵과 궤적 최적화의 조합이 샘플링 기반 또는 최적화 기반 단독 계획자들과 비교해 계획 속도, 타당성 및 경로 최적성 측면에서 뛰어나게 되는가?
• RQ2 로드맵이 생성한 궤적을 시드로 사용할 경우 Tra지옵의 수렴성과 성능에 어떤 영향을 미치는가?
• RQ3 로드맵 프레임워크가 다수의 계획 쿼리 간 지속적인 제어 정책 정보를 얼마나 잘 지원할 수 있는가?
• RQ4 하이브리드 시스템은 실시간 계획에서 환경적 요란함과 동적 장애물을 얼마나 잘 처리하는가?
• RQ5 로드맵에서 시드를 제공할 경우 Tra지옵에서 역학적 제약과 시간 제약 조건을 효과적으로 활용할 수 있는가?

주요 결과

• 로드맵-시드 Tra지옵 접근 방식은 네 가지 응용 시나리오에서 5000개의 테스트 케이스를 평균적으로 1초 이내로 계획 시간을 달성했다.
• 로드맵-시드 Tra지옵은 상자들이 있는 선반 환경에서 로드맵 단독 사용 대비 평균 충돌률을 0.06%로 감소시켰다.
• 로드맵에서 유도된 초기 궤적을 사용한 Tra지옵은 로드맵 단독 사용 대비 경로 최적성이 뛰어나 평균 경로 길이가 일부 시나리오에서 최대 33% 감소했다.
• 모든 테스트 환경에서 성공률가 98% 이상을 기록하여 RRT*, RRT, LazyPRM와 비교해 속도와 신뢰성 면에서 뛰어난 성능을 보였다.
• 로드맵의 희소성으로 인한 부분 최적성과 요란함에 대해 뛰어난 내성성을 보였으며, 실시간 최적화가 예기치 못한 변화를 보정하는 데 기여했다.
• 로드맵의 구조를 재사용함으로써 계획 쿼리 간 지속적인 제어 정책 정보를 제공할 수 있으며, 반응형 운동 실행을 지원한다.