[논문 리뷰] MRNAV: Multi-Robot Aware Planning and Control Stack for Collision and Deadlock-free Navigation in Cluttered Environments

Baskın Şenbaşlar, Pilar Luiz외 2명|arXiv (Cornell University)|2023. 08. 25.

Robotic Path Planning AlgorithmsComputer Science인용 수 3

한 줄 요약

MRNAV는 정적 및 동적 장애물을 포함한 혼잡한 환경에서 충돌 및 멈춤 없이 주행하기 위해 장기, 중기, 단기 예측 수준의 의사결정 모듈을 활용하는 계층적 다중로봇 주행 스택을 제안한다. 이 프레임워크는 실시간 실행 가능성, 동적 타당성, 통신 장애에 대한 강건성을 확보하며, 8대의 큼피터가 참여한 8시간에 걸친 무중단 시뮬레이션에서 충돌 없이 주행을 구현하였다.

ABSTRACT

Multi-robot collision-free and deadlock-free navigation in cluttered environments with static and dynamic obstacles is a fundamental problem for many applications. We introduce MRNAV, a framework for planning and control to effectively navigate in such environments. Our design utilizes short, medium, and long horizon decision making modules with qualitatively different properties, and defines the responsibilities of them. The decision making modules complement each other and provide the effective navigation capability. MRNAV is the first hierarchical approach combining these three levels of decision making modules and explicitly defining their responsibilities. We implement our design for simulated multi-quadrotor flight. In our evaluations, we show that all three modules are required for effective navigation in diverse situations. We show the long-term executability of our approach in an eight hour long wall time (six hour long simulation time) uninterrupted simulation without collisions or deadlocks.

연구 동기 및 목표

• 복잡하고 혼잡한 환경에서 정적 및 동적 장애물이 존재하는 상황에서 다중로봇 팀의 안전하고 멈춤 없는 주행을 해결하는 것.
• 서로 다른 성격을 지닌 의사결정 모듈을 상호 대체 가능한 것으로 보는 것이 아니라, 계층적으로 통합하는 계획 및 제어 스택을 설계하는 것.
• 실시간 실행 가능성, 동적 타당성, 메시지 손실 및 지연과 같은 통신 결함에 대한 내성 강도를 확보하는 것.
• 숲과 미로 등 다양한 환경에서 장기적인 시스템 안정성과 효과성을 입증하는 것.
• 장기, 중기, 단기 예측 수준의 세 의사결정 모듈이 모든 시나리오에서 안정적인 성능을 확보하기 위해 상호 보완적으로 필수적인지 검증하는 것.

제안 방법

• 프레임워크는 세 가지 서로 다른 의사결정 모듈을 활용한다: 장기 예측 수준(LH-NDM)은 완전성 보장을 갖는 전역 경로 계획을 담당하고, 중기 예측 수준(MH-NDM)은 국소적 경로 조정과 멈춤 해소를 담당하며, 단기 예측 수준(SH-NDM)은 실시간 반응형 충돌 회피를 담당한다.
• LH-NDM은 RRT* 또는 A*와 같은 최적화 기반 플래너를 사용해 전역적으로 타당하고 동적으로 타당한 경로를 생성함으로써, 해가 존재할 경우 목표 지점 도달 보장을 한다.
• MH-NDM은 동적 제약 조건을 고려하면서도 시스템의 활성 유지 상태를 유지하면서 국소적 멈춤을 해결하기 위해 중간 수준의 추론을 수행한다.
• SH-NDM은 행동 수준에서의 동적 타당성과 안전성을 확보하여, 모든 실행 동작이 충돌 없이 수행되도록 보장하며, 고수준 계획이 실패하거나 이탈한 경우에도 유사한 기능을 수행한다.
• 모듈들은 명확한 인터페이스를 통해 밀접하게 통합되며, SH-NDM은 편차 복구 기능을 제공하는 안전성 레이어로서 기능한다.
• 시스템은 모터 속도 제어를 지원하는 시뮬레이션된 다중 큼피터 환경에서 구현 및 평가되었으며, 동적 장애물 예측 및 통신 결함을 고려한 설계가 이루어졌다.

실험 결과

연구 질문

• RQ1 장기, 중기, 단기 예측 수준의 의사결정 모듈을 계층적으로 통합하면, 다양한 혼잡한 환경에서 동적 장애물이 존재하는 상황에서도 충돌 및 멈춤 없이 주행이 가능한가?
• RQ2 세 모듈의 조합이 반드시 필요한가, 아니면 단일 모듈만으로도 모든 시나리오에서 충분한가?
• RQ3 통신 지연, 메시지 손실, 동적 장애물의 예측 불가능성 등에 의해 장기적인 안정성과 안전성이 유지되는가?
• RQ4 장기 예측 수준 계획이 동적 장애물로 인해 실패할 경우, 중기 예측 수준 계획이 국소적 멈춤을 어떻게 해소하는가?
• RQ5 경로가 기준 경로에서 이탈할 경우, SH-NDM 모듈이 실행 중 동적 타당성과 안전성을 얼마나 잘 확보하는가?

주요 결과

• 장기, 중기, 단기 예측 수준의 의사결정 모듈(LH+MH+SH) 조합이 유일하게 모든 테스트 환경(숲, 동적 장애물이 존재하는 미로 포함)에서 충돌 및 멈춤 없이 주행을 달성한다.
• 동적 장애물이 없는 조건에서는 LH+SH 조합이 효과적이지만, 동적 장애물이 존재할 경우 중기 예측 수준 계획이 없이 동적 충돌 회피를 처리할 수 없어 실패한다.
• SH-NDM 모듈은 안전성 확보에 필수적이며, 모든 성공적인 구성에서 이 모듈이 포함되어 있어 반응형 충돌 회피 및 경로 이탈 복구를 가능하게 한다.
• 시스템은 8대의 큼피터가 숲과 유사한 환경에서 300개의 동적 장애물을 포함한 8시간(6시간의 시뮬레이션 시간)에 걸친 무중단 시뮬레이션을 성공적으로 수행했으며, 충돌이나 멈춤 없이 주행을 완료했다.
• LH+SH 조합이 이미 효과적인 상황에서 MH-NDM 모듈을 추가하면 주행 지속 시간이 증가하지만, 이는 실시간 실행 가능성 확보를 위한 동적 제약 조건에 기인하며, 동적 장애물을 처리하는 데 핵심적인 역할을 한다.
• 전역적 멈춤 해소에는 전역적 추론이 필요하며, 이는 오직 LH-NDM 모듈만이 제공할 수 있어, 복잡한 환경(예: 미로)에서는 장애물의 동적 특성과 관계없이 필수적이다.