[논문 리뷰] Interactive multi-modal motion planning with Branch Model Predictive Control

Yuxiao Chen, Ugo Rosolia외 3명|arXiv (Cornell University)|2021. 09. 10.

Real-time simulation and control systems인용 수 6

한 줄 요약

이 논문은 비제어되는 에이전트의 반응적 행동을 유한한 피드백 정책 집합으로 모델링하여 자율 에이전트의 상호작용적이고 다중 모드의 운동을 계획하는 브랜치 모델 예측 제어(MPC) 프레임워크를 제안한다. 이는 이러한 정책들에 대해 시나리오 트리를 구성하고, 동일한 구조를 가진 궤적 트리를 해결함으로써, 성능과 내구성의 균형을 이루는 일관된 위험 측도(예: CVaR)를 사용한다. 이로써 시뮬레이션 및 실제 4족 보행 로봇 실험에서 인간과 유사하고 안전하며 효율적인 행동을 달성한다.

ABSTRACT

Motion planning for autonomous robots and vehicles in presence of uncontrolled agents remains a challenging problem as the reactive behaviors of the uncontrolled agents must be considered. Since the uncontrolled agents usually demonstrate multimodal reactive behavior, the motion planner needs to solve a continuous motion planning problem under these behaviors, which contains a discrete element. We propose a branch Model Predictive Control (MPC) framework that plans over feedback policies to leverage the reactive behavior of the uncontrolled agent. In particular, a scenario tree is constructed from a finite set of policies of the uncontrolled agent, and the branch MPC solves for a feedback policy in the form of a trajectory tree, which shares the same topology as the scenario tree. Moreover, coherent risk measures such as the Conditional Value at Risk (CVaR) are used as a tuning knob to adjust the tradeoff between performance and robustness. The proposed branch MPC framework is tested on an overtake and lane change task and a merging task for autonomous vehicles in simulation, and on the motion planning of an autonomous quadruped robot alongside an uncontrolled quadruped in experiments. The result demonstrates interesting human-like behaviors, achieving a balance between safety and performance.

연구 동기 및 목표

• 비제어되는 에이전트가 다중 모드의 반응적 행동을 보일 때 안전하고 효율적인 궤적 계획 문제를 해결하기 위해.
• 기존의 강인 계획에서의 과도한 보수성 문제를 해결하기 위해 향후 비제어 에이전트의 반응성을 운동 계획 과정에 통합하기 위해.
• 연속적인 반응적 행동을 유한한 피드백 정책 집합으로 근사화하여 불확실성 하에서의 계산 가능하고 타당한 운동 계획을 가능하게 하기 위해.
• 예측 모델의 정확도 부족에 대비한 강인성을 향상시키기 위해 일관된 위험 측도(예: 조건부가치위험(CVaR))를 사용하기 위해.
• 자율 주행차 작업 및 실제 4족 보행 로봇의 운동 계획에서 프레임워크의 유효성을 입증하기 위해.

제안 방법

• 비제어 에이전트의 다중 모드 반응적 행동을 나타내는 유한한 피드백 정책 집합에서 시나리오 트리를 구성하고, 예측 모델로부터 유도된 확률을 부여한다.
• 시나리오 트리와 동일한 구조를 가진 궤적 트리를 계산하는 브랜치 MPC 문제를 수립하며, 피드백 정책을 최적화 대상으로 한다.
• 모든 분지의 비용 기대값을 각 분지 확률에 따라 가중치를 두어 주요 목적 함수로 사용한다.
• 모델 불확실성 하에서 성능과 강인성의 균형을 조정하기 위해 조건부가치위험(CVaR)을 위험 측도로 통합한다.
• 결과 최적화 문제를 해결하기 위해 순차적 순환제곱계획(SQP)을 적용하며, 계산의 타당성을 확보하기 위해 CVaR의 이중 형식을 사용한다.
• 실제성 향상을 위해 이벤트 기반 비동기 분기 기법을 도입하나, 현재 구현은 고정 간격 분기 기반이다.

실험 결과

연구 질문

• RQ1 실시간에서 비제어 에이전트의 다중 모드 반응적 행동을 효과적으로 모델링하고 활용할 수 있는 운동 계획 프레임워크가 존재하는가?
• RQ2 어떻게 시나리오 트리 위에서 피드백 정책을 합성하여 강인하고 고성능의 운동 계획을 달성할 수 있는가?
• RQ3 예측 모델이 비제어 에이전트에 대해 정확하지 않을 경우, CVaR와 같은 일관된 위험 측도가 얼마나 강인성을 향상시킬 수 있는가?
• RQ4 제안된 브랜치 MPC 프레임워크는 상호작용 환경에서 인간과 유사하고 균형 잡힌 행동을 생성할 수 있는가? 이는 안전성과 성능 중심이다.
• RQ5 다수의 비제어 에이전트가 존재할 경우 시스템은 어떻게 확장되는가? 공동 행동 모델링은 계산 복잡도를 감소시킬 수 있는가?

주요 결과

• 브랜치 MPC 프레임워크는 비제어 에이전트의 향후 반응성을 예측하여 안전성과 성능을 균형 잡는 운동 계획을 성공적으로 생성한다.
• CVaR를 조정 장치로 사용함으로써 계획자가 강인성을 조절할 수 있으며, 기존의 강인 MPC 대비 과도한 보수성을 감소시킨다.
• 자율 주행차 시뮬레이션에서 인간과 유사한 상호작용 패턴을 존중하면서 안전하고 효율적인 추월 및 차선 변경 동작을 달성하였다.
• 실제 물리적 환경에서 4족 보행 로봇이 비제어 4족 보행 로봇과 함께 주행할 수 있도록 함으로써 프레임워크의 실현 가능성을 입증하였다.
• 관찰된 행동은 과도한 경계를 넘지 않으면서도 안전 거리를 유지하는 인간과 유사한 성향을 보였다.
• 향후 이벤트 기반 분기 및 믿음 기반 관측 통합으로의 확장 가능성이 보이지만, 현재 구현은 고정 간격 분기 및 이전 관측 기록이 없는 가정을 하고 있다.