[논문 리뷰] Mobile Robot Navigation on Partially Known Maps using a Fast A Star Algorithm Version

Paul Muntean|arXiv (Cornell University)|2016. 04. 29.

Robotic Path Planning Algorithms인용 수 4

한 줄 요약

이 논문은 초음파 센서를 사용하여 부분적으로 알려진 실내 환경에서 이동 로봇의 경로 계획을 위한 빠른 A* 알고리즘 변종을 제안한다. 두 가지 운영 모드(센서 범위 임계값 기반)를 통한 경로 계획 최적화로 인해, 특히 다수의 미지 장애물이 존재하는 환경에서 두 배수의 속도 향상과 효율성 향상을 달성하였으며, Pioneer 2DX 로봇에서 완전성과 실시간 실행 가능성도 입증하였다.

ABSTRACT

Mobile robot navigation in total or partially unknown environments is still an open problem. The path planning algorithms lack completeness and/or performance. Thus, there is the need for complete (i.e., the algorithm determines in finite time either a solution or correctly reports that there is none) and performance (i.e., with low computational complexity) oriented algorithms which need to perform efficiently in real scenarios. In this paper we evaluate the efficiency of two versions of the A star algorithm for mobile robot navigation inside indoor environments with the help of two software applications and the Pioneer 2DX robot. We demonstrate that an improved version of the A star algorithm (we call this the fast A star algorithm) which (a different version of this algorithm is widely used in video games) can be successfully used for indoor mobile robot navigation. We evaluated the two versions of the A star algorithm first, by implementing the algorithms in source code and by testing them on a simulator and second, by comparing two operation modes of the fast A star algorithm w.r.t. path planning efficiency (i.e., completness) and performance (i.e., time need to complete the path traversing) for indoor navigation with the Pioneer 2DX robot. The results obtained with the fast A star algorithm are promising and we think that this results can be further improved by tweaking the algorithm and by using an advanced sensor fusion approach (i.e., combine the inputs of multiple robot sensors) for better dealing with partially known environments.

연구 동기 및 목표

• 사전에 완전히 매핑되지 않은 부분적으로 알려진 실내 환경에서 효율적이고 완전한 경로 계획 문제를 해결한다.
• 기존 A* 알고리즘을 개선하여 실시간 로봇 주행에서 성능을 향상시키기 위해 더 빠르고 최적화된 변종인 '빠른 A*'를 개발한다.
• 시뮬레이션과 실제 물리적 로봇을 이용한 실험을 통해 알고리즘의 완전성과 계산 효율성을 평가한다.
• 센서 범위 설정이 동적 장애물 상황에서의 경로 계획 성능과 복구 행동에 미치는 영향을 조사한다.
• 복잡한 부분적으로 알려진 환경에서 탐색의 견고성을 향상시키기 위해 센서 융합과 알고리즘 튜닝의 잠재력을 탐색한다.

제안 방법

• 표준 A* 알고리즘과 노드 확장 및 휴리스틱 평가를 최적화한 수정된 빠른 A* 알고리즘의 두 가지 버전을 구현한다.
• 각 셀이 10×10 cm 영역에 해당하는 격자 기반의 2차원 환경 표현을 사용하며, 자유 공간(C_free)은 통과 가능하고, 장애물 영역은 통과 불가능하도록 정의한다.
• 행동 제한자와 센서 범위 임계값(50 mm 대비 225 mm)의 차이에 따라 두 가지 운영 모드(M1 및 M2)를 도입한다.
• 실시간 무선 통신을 위해 Lantronix WiBox를 사용하여 PC에서 Pioneer 2DX 로봇으로 경로 계획 명령을 전송한다.
• 초음파 센서(범위 50 mm 또는 225 mm)를 사용해 주행 중에 미지 장애물을 탐지하고, 새로운 데이터를 확보함에 따라 지ap과 경로를 동적으로 업데이트한다.
• 실험적 성능 평가를 위해 런타임 메트릭과 복구 행동 빈도를 사용하며, 초기 알고리즘 검증을 위해 오프라인 시뮬레이션을 수행한다.

실험 결과

연구 질문

• RQ1 빠른 A* 알고리즘은 실시간 제약 조건이 있는 부분적으로 알려진 실내 환경에서 완전하고 효율적인 경로 계획을 달성할 수 있는가?
• RQ2 센서 범위(50 mm 대비 225 mm)의 선택이 동적 장애물 상황에서 경로 계획 효율성과 복구 행동 횟수에 어떤 영향을 미치는가?
• RQ3 한 개 또는 다수의 미지 장애물이 존재하는 환경에서 빠른 A* 알고리즘의 어느 운영 모드(M1 또는 M2)가 더 우수한 성능를 보이는가?
• RQ4 빠른 A* 알고리즘이 표준 A*에 비해 계산 속도와 경로 계획 시간 측면에서 어느 정도 뛰어나게 성능을 향상시키는가?
• RQ5 센서 융합과 알고리즘 튜닝은 복잡한 부분적으로 알려진 환경에서 성능과 견고성을 추가로 향상시킬 수 있는가?

주요 결과

• 오프라인 시뮬레이션에서 빠른 A* 알고리즘이 표준 A* 대비 두 배수의 속도 향상을 달성하여 계산 성능을 크게 향상시켰다.
• 미지 장애물이 한 개인 환경에서는 M1 모드(50 mm 센서 범위)가 47초의 경로 계획 시간을 기록하여 M2 모드(45초)를 능가하였으며, 흩어진 장애물 환경에서의 효율성이 뛰어나다는 것을 시사한다.
• 두 개의 미지 장애물이 존재하는 환경에서는 M2 모드(225 mm 센서 범위)가 40초의 경로 계획 시간을 기록하여 M1 모드(61초)를 능가하였으며, 이는 조기에 장애물을 탐지하고 복구 행동 횟수를 줄였기 때문이다.
• M2 모드에서 증가된 센서 범위 덕분에 장애물을 조기에 탐지할 수 있었고, 이는 복구 조치가 필요한 횟수를 감소시켜 전체 경로 완료 시간을 향상시켰다.
• 모든 테스트 시나리오에서 유한한 시간 내에 경로를 성공적으로 찾는 것으로 나타나 빠른 A* 알고리즘이 실세계 주행에서 신뢰할 수 있는 완전성 보장을 하는 것으로 확인되었다.
• 결과적으로 M2 모드는 다수의 미지 장애물이 존재하는 복잡한 환경에 더 적합하며, M1 모드는 간단하고 장애물이 적은 환경에서 더 우수한 성능를 보인다.