[논문 리뷰] Informable Multi-Objective and Multi-Directional RRT* System for Robot Path Planning

Jiunn-Kai Huang, Yingwen Tan외 3명|arXiv (Cornell University)|2022. 05. 30.

Robotic Path Planning Algorithms인용 수 8

한 줄 요약

이 논문은 대규모 복잡한 그래프에서 다중 목적 및 다중 방향 RRT* (IMOMD-RRT*) 시스템을 제안하며, 개선된 RRT* 알고리즘과 다항식 시간 내에 TSP를 완화하는 해법(비틀림 없는 TSP 해법, ECI-Gen)을 결합하여 여러 목적지에 대한 최적 경로와 방문 순서를 동시에 결정한다. 이 시스템은 Bi-A* 및 ANA*보다 속도와 메모리 사용량에서 뛰어나며, 벌레 함정과 같은 어려운 지형을 벗어나기 위해 사전 지식을 통합할 수 있다.

ABSTRACT

Multi-objective or multi-destination path planning is crucial for mobile robotics applications such as mobility as a service, robotics inspection, and electric vehicle charging for long trips. This work proposes an anytime iterative system to concurrently solve the multi-objective path planning problem and determine the visiting order of destinations. The system is comprised of an anytime informable multi-objective and multi-directional RRT* algorithm to form a simple connected graph, and a proposed solver that consists of an enhanced cheapest insertion algorithm and a genetic algorithm to solve the relaxed traveling salesman problem in polynomial time. Moreover, a list of waypoints is often provided for robotics inspection and vehicle routing so that the robot can preferentially visit certain equipment or areas of interest. We show that the proposed system can inherently incorporate such knowledge, and can navigate through challenging topology. The proposed anytime system is evaluated on large and complex graphs built for real-world driving applications. All implementations are coded in multi-threaded C++ and are available at: https://github.com/UMich-BipedLab/IMOMD-RRTStar.

연구 동기 및 목표

• 자율 로봇 및 차량 경로 최적화에서 동시 다중 목적 경로 계획 및 방문 순서 최적화 문제를 해결하기 위해.
• 실시간 응용에 적합한, 시간이 지남에 따라 경로 품질을 지속적으로 향상시키는 anytime 시스템을 개발하기 위해.
• 선호되는 점검 웨이포인트나 기준 경로와 같은 사전 지식을 경로 계획 과정에 통합할 수 있도록 하기 위해.
• 대규모 그래프 기반 지도에서 다항식 시간 내에 완화된 TSP를 해결하기 위해.
• 수백만 개의 노드와 간선을 포함하는 실제 OSM 데이터셋을 기반으로 시스템의 확장성과 강건성을 입증하기 위해.

제안 방법

• 시스템은 다중 목적을 동시에 고려하여 점진적으로 연결된 가중 무방향 그래프를 구축하는 anytime, 사전 지식 통합 가능한 다중 목적 및 다중 방향 RRT* (IMOMD-RRT*) 알고리즘을 사용한다.
• IMOMD-RRT* 알고리즘은 각 목적지에서 동시에 트리 확장을 수행하여 복잡한 지형에서의 다중 방향 탐색과 연결성을 보장한다.
• 사용자가 지정한 웨이포인트를 가짜 목적지로 간주하여 사전 지식을 통합함으로써 트리 확장 방향을 안내하고 국소 함정에서 벗어나는 데 기여한다.
• ECI-Gen은 개선된 최저 비용 삽입 알고리즘과 유전 알고리즘을 조합하여 다항식 시간 내에 최적의 방문 순서를 결정하는 완화된 TSP 해법이다.
• 전체 시스템은 다중 스레드 C++로 구현되었으며, 재현 가능성을 위해 GitHub에 공개되어 있다.
• 이 방법은 실질적인 주행 조건 하에서 시카고(866,000개 노드)와 시애틀(100만 개 이상 노드)와 같은 대규모 OSM 그래프에서 평가되었다.

실험 결과

연구 질문

• RQ1 대규모 복잡한 그래프에서 다중 목적 경로 계획과 방문 순서 최적화를 동시에 수행할 수 있는 anytime 경로 계획 시스템은 가능한가?
• RQ2 점검 웨이포인트나 기준 경로와 같은 사전 지식의 통합은 지형적으로 도전적인 환경에서 경로 계획을 어떻게 향상시키는가?
• RQ3 제안된 IMOMD-RRT* 시스템은 Bi-A* 및 ANA*와 비교해 속도와 메모리 효율성 측면에서 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 시스템은 최소한의 계산 오버헤드로 실시간으로 대규모 다중 목적 경로 계획 문제(예: 25개 목적지)를 해결할 수 있는가?
• RQ5 ECI-Gen 해법은 다항식 시간 내에 완화된 TSP에 대해 near-optimal 방문 순서를 얼마나 효과적으로 찾는가?

주요 결과

• 시애틀 OSM 지도(120만 개 노드 및 간선)에서 25개 목적지 경로 계획 문제를 단 0.44초 만에 해결하여 실시간 실행 가능성과 가능성을 입증했다.
• 시카고 OSM 지도에서 시스템은 벌레 함정이 있는 샌프란시스코 지역에서 Bi-A* 대비 9배 빠른 속도와 58.9배 낮은 메모리 사용량을 달성했다.
• ANA*는 샌프란시스코의 벌레 함정 시나리오에서 시간 제한 내에 해답을 찾지 못했지만, 제안된 시스템은 매번 성공적으로 해결했다.
• 사전 지식 통합 기능 덕분에 시스템은 Bi-A* 대비 벌레 함정 탈출 시간을 9배 감소시켰으며, 이는 복잡한 지형에서의 강건성을 입증한다.
• ECI-Gen 해법은 대규모 문제에 대해 near-optimal 방문 순서를 효율적으로 계산했으며, 속도와 메모리 소비 측면에서 기준 방법보다 뛰어난 성능을 보였다.
• IMOMD-RRT* 알고리즘은 다중 방향 확장과 정보 기반 샘플링 덕분에 연결되지 않은 환경이나 고곡률 환경에서도 모든 목적지를 포함하는 연결된 그래프를 성공적으로 형성했다.