[논문 리뷰] Motion planning in high-dimensional spaces

Luka Petrović|arXiv (Cornell University)|2018. 06. 19.

Robotic Path Planning Algorithms인용 수 3

한 줄 요약

이 논문은 고차원 구성공간에서의 운동 계획에 대해 종합적인 개요를 제공하며, 격자 기반, 샘플링 기반, 궤적 최적화 방법을 비교한다. 특히 부드럽고 효율적이며 확률론적으로 타당한 계획을 위해 가우시안 프로세스를 사용한 궤적 최적화를 강조하며, 실시간 계획과 국소 최적성, 부드러운 궤적을 가능하게 하는 빠르고 확장 가능한 프레임워크인 GPMP2를 강조한다.

ABSTRACT

Motion planning is a key tool that allows robots to navigate through an environment without collisions. The problem of robot motion planning has been studied in great detail over the last several decades, with researchers initially focusing on systems such as planar mobile robots and low degree-of-freedom (DOF) robotic arms. The increased use of high DOF robots that must perform tasks in real time in complex dynamic environments spurs the need for fast motion planning algorithms. In this overview, we discuss several types of strategies for motion planning in high dimensional spaces and dissect some of them, namely grid search based, sampling based and trajectory optimization based approaches. We compare them and outline their advantages and disadvantages, and finally, provide an insight into future research opportunities.

연구 동기 및 목표

• .
• 고차원 공간에서 전통적인 격자 기반 및 샘플링 기반 방법의 한계를 분석한다.
• 복잡한 환경에서 실시간 운동 계획을 위한 확장 가능한 대안으로 궤적 최적화를 탐색한다.
• 부드러움, 효율성, 제약 조건 처리 능력 측면에서 가우시안 프로세스 기반 운동 계획(GPMP2 등)의 성능과 한계를 평가한다.

제안 방법

• .
• 연속 시간 궤적을 선형 시간 변화 SDE에 의해 지배되는 확률적 과정에서의 표본으로 나타내기 위해 가우시안 프로세스(GP)를 사용한다.
• 요인 그래프를 사용한 확률적 추론을 통해 운동 계획을 표현함으로써 효율적인 희소 최소 제곱 최적화를 가능하게 한다.
• 부드러움과 최적성의 사전 정보를 궤적에 포함시키고, 충돌 회피를 위한 가능도 함수를 정의한다.
• 모든 시간에 대해 궤적 상태를 O(1)로 평가할 수 있도록 구조를 고려한 GP 회귀를 활용하여 계산 비용을 감소시킨다.
• 기존의 SLAM 최적화 기법을 통합하여 운동 계획 문제를 효율적으로 해결한다.

실험 결과

연구 질문

• RQ1 .
• RQ2 궤적 최적화는 고차원 공간에서 부드러움과 타당성을 유지하면서도 빠르고 실시간 운동 계획을 어떻게 달성할 수 있는가?
• RQ3 다양한 운동 계획 철학에서 완전성, 최적성, 계산 효율성 간의 상충 관계는 무엇인가?
• RQ4 확률적 추론과 요인 그래프는 고차원 운동 계획 문제를 효율적으로 해결하는 데 어떻게 활용될 수 있는가?
• RQ5 비선형 부등식 제약 조건을 다루는 데 있어 GP 기반 방법의 한계는 무엇인가?
• RQ6 샘플링 기반 또는 격자 기반 방법을 사용해 초기 궤적을 설정함으로써 수렴성을 향상시킬 수 있는가?

주요 결과

• .
• 특히 GPMP2를 포함한 궤적 최적화 방법은 구조를 고려한 GP 회귀를 통해 어떤 시간 지점에서나 O(1)로 궤적 평가가 가능하여 빠른 계획을 달성한다.
• 가우시안 프로세스 사전 정보를 통해 궤적 최적화는 자연스럽게 부드럽고 연속적인 궤적을 제공하여 후처리가 필요 없도록 한다.
• 요인 그래프와 희소 최소 제곱 해법을 통한 효율적 추론이 가능하며, SLAM 분야의 기법을 활용한다.
• GPMP2는 확장 가능하며 다양한 문제에 적용 가능하며, 예를 들어 시연로부터 스킬 학습이나 특이점 회피 등에 응용된다.
• 주요 한계는 비선형 부등식 제약 조건을 효과적으로 다루지 못하며, 국소 최적점에 갇힐 수 있다는 점이다.
• 현재 방법들은 대부분 안전한 상태를 유지하면서도 간헐적으로 충돌 영역에 진입하는 저비용 궤적을 생성할 수 있어, 더 나은 비용 함수 설계가 필요하다.