[논문 리뷰] Open-Source, Cost-Aware Kinematically Feasible Planning for Mobile and Surface Robotics

Steve Macenski, Matthew Booker외 2명|arXiv (Cornell University)|2024. 01. 23.

Robotic Path Planning Algorithms인용 수 4

한 줄 요약

이 논문은 모바일 및 표면 로봇에서 운동학적으로 타당한 경로 계획을 위한 오픈소스 C++ 기반 프레임워크인 Smac Planner를 소개한다. 이 프레임워크는 2D-A*, Hybrid-A*, 및 상태 래티스 계획자에 대한 비용 인식 변형을 구현하며, 복잡한 환경에서 실시간 성능(39–42ms)을 달성하여 SBPL 및 NavFn에 비해 수개의 주기 수준으로 뛰어난 성능을 보이며, 이제는 산업용 및 연구용 로봇에서 ROS 2의 Nav2 표준 계획 시스템으로 자리 잡았다.

ABSTRACT

We present Smac Planner, an openly available, search-based planning framework that addresses the critical need for kinematically feasible path planning across diverse robot platforms. Smac Planner provides high-performance implementations of Cost-Aware A*, Hybrid-A*, and State Lattice planners that can be deployed for Ackermann, legged, and other large non-circular robots. Our framework introduces novel "Cost-Aware" variations that significantly improve performance in complex environments common to mobile robotics while maintaining kinematic feasibility constraints. Integrated as the standard planning system within the popular ROS 2 Navigation stack, Nav2, Smac Planner now powers thousands of robots worldwide across academic research, commercial applications, and field deployments.

연구 동기 및 목표

• 현대 모바일 및 표면 로봇을 위한 성능이 뛰어나고 접근 가능하며 운동학적으로 타당한 계획자 부족 문제를 해결한다.
• 검색 기반 계획자를 간편하게 통합할 수 있도록 최소화되고 확장 가능한 C++ 프레임워크를 개발한다.
• 모바일 로봇의 관례와 성능 요구사항에 맞게 Hybrid-A* 및 상태 래티스 계획자의 비용 인식 변형을 도입한다.
• 모의 및 실제 환경에서 기존 프레임워크(SBPL, NavFn, OMPL)와의 성능 비교를 위해 새로운 계획자를 벤치마크한다.
• 표준화된 고성능 계획을 통해 Ackermann, 비원형, 다리가 달린 로봇을 ROS 2 Nav2에 통합하여 구현 가능하게 한다.

제안 방법

• 새로운 검색 기반 계획자를 약 200줄의 코드로 쉽게 구현할 수 있도록 템플릿 기반 C++ 프레임워크를 설계한다.
• 운동 기하학적 제약 조건과 곡률 제약 조건을 통해 운동학적 타당성을 보장하는 3개의 핵심 계획자(2D-A*, Hybrid-A*, 상태 래티스)를 구현한다.
• 부드럽고 주행 가능한 경로를 우선시하면서 경로 길이와 계산 비용을 최소화하는 비용 인식 휴리스틱 및 이동 함수를 도입한다.
• 상태 래티스 계획자에 대해 사전 생성된 제어 집합을 사용하고, Hybrid-A*에는 Dubins 및 Reeds-Shepp 모델을 적용하여 운동학적 타당성을 확보한다.
• 모든 계획자 간에 일관된 휴리스틱 및 이동 함수를 적용하여 공정한 성능 비교를 가능하게 한다.
• 프레임워크를 ROS 2의 Nav2에 통합하여 다양한 로봇 플랫폼에서 실제 환경에 구현 가능하게 한다.

Figure 1: Large, non-circular industrial robot using Nav2 uniquely enabled by this open-source Framework.

실험 결과

연구 질문

• RQ1 어떻게 최소화되고 오픈소스인 프레임워크를 설계하여 현대 모바일 로봇을 위한 성능이 뛰어난 검색 기반 계획자의 신속한 구현을 가능하게 할 수 있는가?
• RQ2 복잡한 환경에서 실시간 성능을 최적화하면서도 운동학적 타당성을 확보하기 위해 Hybrid-A* 및 상태 래티스 계획자에 어떤 수정이 필요한가?
• RQ3 2D-A*, Hybrid-A*, 및 상태 래티스 계획자의 비용 인식 변형은 기존 프레임워크(SBPL, NavFn)와 비교해 경로 품질, 계산 시간, 내구성 측면에서 어떻게 성능을 냈는가?
• RQ4 운동학적으로 타당한 계획자들을 얼마나 표준화하고 주요 로봇 프레임워크인 ROS 2 Nav2에 통합할 수 있는가?
• RQ5 제안된 계획자들은 실생활 산업 현장에서 비홀로노믹, 비원형, Ackermann 방식의 로봇에 대해 신뢰할 수 있는 주행을 가능하게 할 수 있는가?

주요 결과

• 비용 인식 Hybrid-A* 및 상태 래티스 계획자는 20% 점유율 지도에서 평균 실행 시간이 39–42ms를 기록했으며, 비용 인식 2D-A*보다 약 50% 빠르고 NavFn보다 약 38% 더 빠르게 성능을 냈다.
• 비용 인식 Hybrid-A* 및 상태 래티스 계획자의 경로 길이는 상호 0.2% 이내로 유사했으며, 비용 인식 2D-A*가 생성한 더 짧은 경로와도 2.5% 이내로 유사했다.
• SBPL의 상태 래티스 ARA* 계획자는 Smac Planner의 비용 인식 상태 래티스 계획자보다 150배 느렸으며, 훨씬 더 길고 부드럽지 못한 경로를 생성했다.
• 실제 363,000 평방피트 규모의 창고에서 Smac의 Hybrid-A*는 평균 290ms의 계획 시간을 기록했고, 상태 래티스 계획자는 473ms, 2D-A*는 1358ms를 기록하여 밀도가 높은 환경에서 뛰어난 확장성을 입증했다.
• Smac Planner는 ROS 2 Nav2가 처음으로 Ackermann, 큰 비원형, 다리가 달린 로봇을 지원할 수 있도록 했으며, 전 세계 10여 개 이상의 기관에서 도입되었다.
• 프레임워크의 성능과 통합성 덕분에 Smac Planner는 ROS 2 Nav2에서 표준 오픈소스 계획 시스템으로 자리매김했으며, 로봇 분야의 연구 및 구현을 가속화하고 있다.

Figure 2: Outline of the A* and key node template methods.