[논문 리뷰] Non-Holonomic RRT & MPC: Path and Trajectory Planning for an Autonomous Cycle Rickshaw.

Damir Bojadzic, J Kunze외 3명|arXiv (Cornell University)|2021. 03. 10.

Robotic Path Planning Algorithms참고 문헌 17인용 수 5

한 줄 요약

이 논문은 비틀림 제약 조건을 가진 수정된 비홀로노믹 RRT를 사용한 글로벌 경로 계획과 MPC 기반 로컬 플래너를 활용한 계층적 운동 계획 프레임워크를 제안한다. 이 방법은 실시간으로 동적 장애물을 회피하면서도 공용 도시 환경 내에서 주행할 수 있도록 하며, 경로 계산은 0.2초 내로 수행되고 로컬 플래닝은 5 Hz에서 작동한다. 시뮬레이션 및 실제 테스트 모두에서 최대 1 m/s 속도로 검증되었다.

ABSTRACT

This paper presents a novel hierarchical motion planning approach based on Rapidly-Exploring Random Trees (RRT) for global planning and Model Predictive Control (MPC) for local planning. The approach targets a three-wheeled cycle rickshaw (trishaw) used for autonomous urban transportation in shared spaces. Due to the nature of the vehicle, the algorithms had to be adapted in order to adhere to non-holonomic kinematic constraints using the Kinematic Single-Track Model. The vehicle is designed to offer transportation for people and goods in shared environments such as roads, sidewalks, bicycle lanes but also open spaces that are often occupied by other traffic participants. Therefore, the algorithm presented in this paper needs to anticipate and avoid dynamic obstacles, such as pedestrians or bicycles, but also be fast enough in order to work in real-time so that it can adapt to changes in the environment. Our approach uses an RRT variant for global planning that has been modified for single-track kinematics and improved by exploiting dead-end nodes. This allows us to compute global paths in unstructured environments very fast. In a second step, our MPC-based local planner makes use of the global path to compute the vehicle's trajectory while incorporating dynamic obstacles such as pedestrians and other road users. Our approach has shown to work both in simulation as well as first real-life tests and can be easily extended for more sophisticated behaviors.

연구 동기 및 목표

• 보행자와 공원 등 비정형이며 혼잡한 도시 환경에서의 마이크로모빌리티 차량의 자율 주행 도전 과제를 해결한다.
• 세 바퀴의 리크샤의 비홀로노믹 운동학적 특성을 처리하는 데에 한계가 있는 기존 플래너의 문제점을 해결한다.
• 보행자 및 기타 이동 장애물이 존재하는 환경에서 실시간으로 안전하고 동적 경로 계획을 수행할 수 있도록 한다.
• 글로벌 경로 계획과 로컬 경로 최적화를 융합한 계층적 플래닝 아키텍처를 통합하여 뛰어난 성능을 확보한다.
• 향후 동적 장애물 예측과 같은 고급 행동 통합을 위한 확장성을 갖춘 시스템을 개발한다.

제안 방법

• 세 바퀴의 리크샤의 운동학적 단일 트랙 모델에 빠르게 탐색하는 무작위 트리(RRT) 알고리즘을 적응시켜 비홀로노믹 제약 조건을 통합한다.
• 비정형 환경에서 글로벌 경로 계산 속도를 향상시키기 위해 RRT 변종에 사각지대 노드 제거 기법을 도입한다.
• 글로벌 경로를 따르면서도 동적 장애물을 회피하는 로컬 경로 계획을 위해 모델 예측 제어(MPC) 프레임워크를 사용한다.
• Google의 Ceres Solver를 사용하여 MPC 최적화 문제를 수식화하며, 장애물과의 거리와 글로벌 경로에서의 이탈을 방지하는 목적 함수를 설정한다.
• 실시간 실행과 모듈성을 확보하기 위해 ROS와 Kubernetes 기반의 시스템 아키텍처에 플래너를 통합한다.
• 실시간 장애물 탐지 및 즉각적인 충돌 회피 조치(예: 속도 감소 및 회전)를 위해 2D LiDAR 데이터를 활용한다.

실험 결과

연구 질문

• RQ1 비정형 도시 환경에서 세 바퀴의 사이클 리크샤에 대해 비홀로노믹 RRT 변종을 효과적으로 적용하여 글로벌 경로를 생성할 수 있는가?
• RQ2 MPC 기반 로컬 플래닝은 보행자와 같은 동적 장애물을 회피하면서도 안전하고 실시간으로 경로 추적을 유지할 수 있는가?
• RQ3 실제 공용 공간에서의 계층적 RRT-MPC 아키텍처는 계산 효율성과 장애물 회피 성능 측면에서 어떻게 작동하는가?
• RQ4 현재 시스템의 주요 실패 유형은 무엇이며, 장애물 팽창 및 예측 기능 향상으로 이를 어떻게 완화할 수 있는가?
• RQ5 이 프레임워크는 혼잡한 상황에서 동적 장애물 예측 및 재계획 수립과 같은 고급 행동을 지원하기 위해 얼마나 확장 가능한가?

주요 결과

• 수정된 비홀로노믹 RRT는 150미터 이내의 경로를 단 0.2초 만에 계산하여 높은 계산 효율성을 입증했다.
• MPC 로컬 플래너는 최대 12초의 계획 수평 기간을 가진 5 Hz 주기로 작동하여 동적 장애물에 실시간으로 대응할 수 있었다.
• 실생활 테스트에서 차량은 최대 1 m/s 속도로 목표 영역으로 성공적으로 주행했으며, 벽과 정적 장애물로부터 안전한 거리를 유지했다.
• 2D LiDAR를 활용한 동적 장애물 회피 기능이 효과적으로 작동했으며, 갑작스럽게 나타난 보행자에 대해 즉각적인 감속 및 회전 조치를 취했다.
• 차량이 주행 가능한 영역의 가장자리에 가까워질 경우 플래너가 종종 정지하는 현상이 발생하여, 장애물 팽창 및 경로 복구 메커니즘의 개선이 필요하다는 점을 시사했다.
• 장애물 추적의 일관성 부족으로 인해 혼잡한 보행자 환경에서는 자주 재계획이 발생했으며, 이는 향상된 운동 예측 및 부드러운 제어 전환 기법의 필요성을 시사한다.