[논문 리뷰] NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge

Ali Agha, Kyohei Otsu외 70명|arXiv (Cornell University)|2021. 03. 21.

Robotics and Automated Systems인용 수 105

한 줄 요약

NeBula는 불확실성 인식, 신념 공간 자율성 프레임워크로서 견고하고 모듈식 로봇 탐사를 가능하게 하며 DARPA Subterranean Challenge를 위한 다기관 탐사에 대해 이기종 로봇에서 터널 및 도시 대회 전반에 걸쳐 시연되었습니다.

ABSTRACT

This paper presents and discusses algorithms, hardware, and software architecture developed by the TEAM CoSTAR (Collaborative SubTerranean Autonomous Robots), competing in the DARPA Subterranean Challenge. Specifically, it presents the techniques utilized within the Tunnel (2019) and Urban (2020) competitions, where CoSTAR achieved 2nd and 1st place, respectively. We also discuss CoSTAR's demonstrations in Martian-analog surface and subsurface (lava tubes) exploration. The paper introduces our autonomy solution, referred to as NeBula (Networked Belief-aware Perceptual Autonomy). NeBula is an uncertainty-aware framework that aims at enabling resilient and modular autonomy solutions by performing reasoning and decision making in the belief space (space of probability distributions over the robot and world states). We discuss various components of the NeBula framework, including: (i) geometric and semantic environment mapping; (ii) a multi-modal positioning system; (iii) traversability analysis and local planning; (iv) global motion planning and exploration behavior; (i) risk-aware mission planning; (vi) networking and decentralized reasoning; and (vii) learning-enabled adaptation. We discuss the performance of NeBula on several robot types (e.g. wheeled, legged, flying), in various environments. We discuss the specific results and lessons learned from fielding this solution in the challenging courses of the DARPA Subterranean Challenge competition.

연구 동기 및 목표

• 알 수 없고 도전적인 지하 환경에서의 자율 탐사를 동기화하고 다루기.
• NeBula 프레임워크와 견고한 의사결정을 위한 불확실성 인식의 모듈형 설계을 제시합니다.
• Team CoSTAR의 DARPA Subterranean Phase I(터널) 및 Phase II(도시)에서의 성능과 교훈을 보여줍니다.
• 지상, 공중, 하이브리드 등 이기종 로봇 플랫폼과 환경 전반에 걸친 적용 가능성을 시연합니다.
• 지각에서 임무 계획 및 통신에 이르는 구성 요소가 대규모 분산 자율성을 가능하게 하는지 논의합니다.

제안 방법

• 로봇 위치, 환경 및 임무 상태의 조합 분포에 대해 계획하는 불확실성 인식 신념 공간 자율성 프레임워크로 NeBula를 제시합니다.
• 지각, 계획, 세계 신념 관리, 통신 및 작전 간의 모듈식 아키텍처를 설명합니다.
• 지각 인식 의사결정을 강제하는 SMAP(동시 매핑 및 계획), SLAP(동시 위치추정 및 계획), SPLAM 개념을 소개합니다.
• LiDAR, IMU, 비전, 열 화상 및 기타 모달리티를 통한 HeRO(이종 및 강인한 주행추정) 및 센서 융합 파이프라인을 사용한 다센서 상태 추정을 상세히 설명합니다.
• 이기종 로봇 배치, 메쉬 네트워킹, 동적 작업 할당 및 간헐적 통신 하에서 데이터 공유에 대한 팀의 ConOps를 설명합니다.

실험 결과

연구 질문

• RQ1 지각이 저하되고 통신이 차단된 지하 환경에서 자율성이 어떻게 견고하게 만들어질 수 있습니까?
• RQ2 신념 공간(공동 추론 및 의사결정)을 통한 계획이 견고한 탐사와 유물 탐지에 어떤 이점을 제공합니까?
• RQ3 이기에 SubT Challenge에서 이기종 로봇과 환경(터널, 도시, 행성 유사 지역) 전반에 걸친 NeBula의 성능은 어떠합니까?
• RQ4 도전적인 지형에서 대규모 네트워크 자율 팀을 배치할 때의 시스템 차원의 교훈과 트레이드오프는 무엇입니까?

주요 결과

• CoSTAR는 터널 대회에서 2위, 도시 대회에서 1위를 차지했습니다.
• NeBula는 지상 및 유사 행성 환경을 포함한 다수의 로봇 유형(바퀴형, 다리형, 비행형, 하이브리드)을 통해 시연되었습니다.
• 아키텍처는 공동 지각-계획, 불확실성 처리, 모듈화를 통한 확장 가능한 네트워크 자율성으로 견고함을 강조합니다.
• 현장 시연과 교훈은 견고한 상태 추정, 대규모 매핑, 의미적 이해 및 대역폭 인식 관통의 중요성을 강조합니다.
• 이 논문은 이종 시스템 통합, 시뮬레이터 기반 개발 및 감독에서 자율 운용으로의 전환에 대한 실용적 통찰을 논의합니다.