[논문 리뷰] Multi-UAV Visual Coverage of Partially Known 3D Surfaces: Voronoi-based Initialization to Improve Local Optimizers

Alessandro Renzaglia, Jilles Dibangoye외 2명|arXiv (Cornell University)|2019. 01. 29.

Distributed Control Multi-Agent Systems참고 문헌 14인용 수 6

한 줄 요약

이 논문은 부분적으로 알려진 3차원 환경에서 다중 UAV의 시각적 커버리지 문제를 해결하기 위해 이중 단계 최적화 접근법을 제안한다. 거친 표면 근사치 위에 제약 조건이 붙은 중심점 베이저 도형(CVT)을 적용하여 고품질의 초기 UAV 구성(configuration)을 생성한다. 이 초기화 과정은 후속의 온라인, 도함수 기반 최적화의 성능을 크게 향상시키며, 수렴 시간을 단축시키고 국소 최적해에 갇힐 위험을 최소화한다. 시뮬레이션 결과, 무작위 초기화 대비 최종 커버리지가 최대 0.91에 도달했고, 수렴 속도는 30% 빠르게 나타났다.

ABSTRACT

In this paper we study the problem of steering a team of Unmanned Aerial Vehicles (UAVs) toward a static configuration which maximizes the visibility of a 3D environment. The UAVs are assumed to be equipped with visual sensors constrained by a maximum sensing range and the prior knowledge on the environment is considered to be very sparse. To solve this problem on-line, derivative-free measurement-based optimization algorithms can be adopted, even though they are strongly limited by local optimality. To overcome this limitation, we propose to exploit the partial initial knowledge on the environment to find suitable initial configurations from which the agents start the local optimization. In particular, a constrained centroidal Voronoi tessellation on a coarse approximation of the surface to cover is proposed. The behavior of the agent is so based on a two-step optimization approach, where a stochastic optimization algorithm based on the on-line acquired information follows the geometrical-based initialization. The algorithm performance is evaluated in simulation and in particular the improvement on the solution brought by the Voronoi tessellation with respect to different initializations is analyzed.

연구 동기 및 목표

• 제한된 사전 지식을 바탕으로 부분적으로 알려진 3차원 환경에서 UAV 팀을 활용해 최적의 시각적 커버리지를 달성하는 데 도전하는 것.
• 기하학적 초기화를 통해 희박한 환경 사전 지식을 활용하여 도함수 기반 최적화에서 국소 최적해에 갇힐 위험을 줄이는 것.
• 측정 기반 온라인 최적화 알고리즘의 수렴 속도와 최종 커버리지 성능을 구조적 초기화 단계를 통해 향상시키는 것.
• 제약 조건이 붙은 중심점 베이저 도형(CVT)이 복잡한 실제와 유사한 상황에서 UAV의 사전 배치 전략으로서 효과적인지 검증하는 것.

제안 방법

• 환경의 거친 근사 3차원 표면 위에 제약 조건이 붙은 중심점 베이저 도형(CVT)을 계산하여 초기 UAV 배치 구성(configuration)을 생성한다.
• CVT는 표면 전반에 걸쳐 UAV를 균일하게 분포시켜 목표 영역까지의 거리를 최소화하고 균형 잡힌 커버리지를 촉진한다.
• 초기 구성은 실시간 가시성 피드백을 사용하여 위치를 정밀화하는 도함수 기반 측정 기반 확률적 최적화 알고리즘(CAO)의 시드로 사용된다.
• 최적화 과정은 정확한 가시성 함수의 분석 모델이 필요로 하지 않는 온라인 센서 측정치를 사용하여 UAV 위치를 업데이트한다.
• 기하학적 초기화(CVT)와 반복적 확률적 정밀화(CAO)를 조합하여 탐색과 이용의 균형을 이룬다.
• 이 방법은 Gazebo와 ROS를 사용한 시뮬레이션을 통해 평가되었으며, 제한된 감지 범위와 동적 장애물 등의 실제 제약 조건을 시뮬레이션한다.

실험 결과

연구 질문

• RQ1 제약 조건이 붙은 CVT 기반 기하학적 초기화가 다중 UAV 시각적 커버리지에서 온라인, 도함수 기반 최적화의 성능을 상당히 향상시킬 수 있는가?
• RQ2 CVT 기반 초기화는 무작위 또는 히우리스틱 초기화에 비해 최종 커버리지와 수렴 속도 측면에서 어떻게 비교되는가?
• RQ3 희박한 사전 지식(예: 경계점과 중심점)을 얼마나 효과적으로 활용하여 근사 최적의 커버리지 구성에 도달할 수 있는가?
• RQ4 이중 단계 접근법(CVT + 확률적 최적화)은 열악한 국소 최적해에 수렴할 확률을 줄이는가?

주요 결과

• CVT 기반 초기화는 평균 최종 커버리지 0.91(표준편차 0.02)를 달성하여 무작위 초기화보다 뚜렷이 뛰어난 성능을 보였다.
• 경계점 4개와 중심점 1개로 구성된 피라미드 근사치만으로도 CVT는 초기 커버리지 0.78를 달성하여 희박한 사전 지식에 대한 강건성을 입증했다.
• CVT로 초기화된 경우, 비초기화 또는 낮은 품질의 초기화 구성보다 최적화 과정이 30% 더 빠르게 수렴했다.
• 4대의 AR.Drone를 사용한 실제적인 Gazebo 시뮬레이션에서, CVT 초기화 구성은 군집 초기화보다 더 높은 커버리지 수준을 달성했고 더 빠르게 수렴했다.
• 희박한 사전 지식을 사용한 최종 커버리지 성능은 더 정보가 풍부한 근사치를 사용했을 때와 거의 구분되지 않아, CVT가 초기화 품질의 차이를 상쇄하는 데 효과적임을 시사한다.
• 다양한 테스트 환경에서 일관되게 높고 안정된 커버리지 결과를 보이며, 하위 최적의 국소 최적해에 갇힐 위험을 줄였다는 점에서 성능이 입증되었다.