[논문 리뷰] Multilevel Motion Planning: A Fiber Bundle Formulation

Andreas Orthey, Sohaib Akbar외 1명|arXiv (Cornell University)|2020. 07. 18.

Robotic Path Planning Algorithms인용 수 4

한 줄 요약

이 논문은 복잡한 로봇 운동 계획 문제를 계층적으로 관리할 수 있는 하위문제로 분해하기 위해 섬유 다발 이론을 사용하는 다수준 운동 계획 프레임워크를 제안한다. 구성 공간을 섬유 다발로 모델링하고 점진적으로 더粗い 다양체 위에서 반복적인 단면 찾기 알고리즘을 적용함으로써, 계산 비용을 줄이고 효율적인 경로 계산을 달성하며, 고차원 공간에서도 확장성과 강건성을 입증한다.

ABSTRACT

High-dimensional motion planning problems can often be solved significantly faster by using multilevel abstractions. While there are various ways to formally capture multilevel abstractions, we formulate them in terms of fiber bundles. Fiber bundles essentially describe lower-dimensional projections of the state space using local product spaces, which allows us to concisely describe and derive novel algorithms in terms of bundle restrictions and bundle sections. Given such a structure and a corresponding admissible constraint function, we develop highly efficient and asymptotically-optimal sampling-based motion planning methods for high-dimensional state spaces. Those methods exploit the structure of fiber bundles through the use of bundle primitives. Those primitives are used to create novel bundle planners, the rapidly-exploring quotient-space trees (QRRT*), and the quotient-space roadmap planner (QMP*). Both planners are shown to be probabilistically complete and almost-surely asymptotically optimal. To evaluate our bundle planners, we compare them against classical sampling-based planners on benchmarks of four low-dimensional scenarios, and eight high-dimensional scenarios, ranging from 21 to 100 degrees of freedom, including multiple robots and nonholonomic constraints. Our findings show improvements up to 2 to 6 orders of magnitude and underline the efficiency of multilevel motion planners and the benefit of exploiting multilevel abstractions using the terminology of fiber bundles.

연구 동기 및 목표

• 로봇 시스템에서 고차원 운동 계획의 계산 비가역성 문제를 해결하기 위해.
• 구성 공간의 기하학적 구조를 활용하여 계획 복잡성을 감소시키는 계층적 분해 전략을 개발하기 위해.
• 운동 계획을 섬유 다발 위의 단면 찾기 문제로 공식화하여 확장성 있고 체계적인 경로 계산을 가능하게 하기 위해.
• 다수준 추상화를 통해 복잡한 환경에서 운동 계획의 효율성과 확장성을 향상시키기 위해.
• 최단 경로 계산과 반복적인 단면 찾기의 통합을 통해 강건하고 적응 가능한 경로 생성을 가능하게 하기 위해.

제안 방법

• 구성 공간을 섬유 다발로 모델링하며, 기저 공간은 고수준 탐색을 나타내고, 섬유는 세부 수준의 자유도를 나타낸다.
• FindSection 알고리즘은 기저 공간에서의 고수준 경로부터 시작하여 계층적 수준을 거쳐 운동 경로를 계산하는 재귀적 알고리즘이다.
• 이전 수준의 구성 공간에서 최초 경로를 계산하기 위해 ShortestPath를 사용하며, 이를 FindSection의 입력으로 활용한다.
• 계산 복잡성을 제어하기 위해 깊이 제한 탐색과 최대 분기 수를 사용한다.
• 단면 탐색 중 타당성(참) 또는 최적성(거짓)을 우선시할지 결정하기 위해 플래그(FF)를 사용한다.
• 경로의 정밀화를 위해 타당성 검증과 단면 찾기 사이를 번갈아 수행한다.

실험 결과

연구 질문

• RQ1 고차원 구성 공간에서의 운동 계획은 어떻게 계산적으로 타당한 하위문제로 분해될 수 있는가?
• RQ2 섬유 다발 이론은 수렴 보장을 갖는 계층적 운동 계획을 위한 기하학적 프레임워크를 제공할 수 있는가?
• RQ3 반복적인 단면 찾기의 영향은 경로 품질과 계산 효율성에 어떤가?
• RQ4 최단 경로와 단면 찾기의 통합은 복잡한 환경에서 강건성을 어떻게 향상시키는가?
• RQ5 다수준 추상화는 운동 계획의 계산 비용을 어느 정도 감소시킬 수 있는가?

주요 결과

• 이 방법은 계층적 분해를 활용하여 고차원 구성 공간에서 타당한 운동 경로를 성공적으로 계산한다.
• 섬유 다발 구조의 사용은 구성 공간을 기저와 섬유 성분으로 자연스럽게 추상화하여 계획을 단순화한다.
• 깊이 및 분기 수 제약 조건을 갖춘 반복적 단면 찾기는 계산 타당성을 유지하면서도 경로의 타당성을 보장한다.
• 단일 계획 접근 방식에 비해 특히 고자유도의 복잡한 시나리오에서 확장성 향상을 보여준다.
• 타당성 검증(ptc)과 경로 정밀화의 통합은 해의 수렴성과 강건성을 향상시킨다.
• 적응형 탐색 제어를 통해 경로 품질과 계산 비용 사이의 균형을 달성한다.