[논문 리뷰] Optimized Mission Planning for Planetary Exploration Rovers

Alexander Lavin|arXiv (Cornell University)|2015. 11. 01.

Robotic Path Planning Algorithms참고 문헌 11인용 수 3

한 줄 요약

이 논문은 전지구적 항법과 메타휴리스틱 최적화를 통합하여 가장 안전하고 효율적인 착륙지역(LZ)과 경로를 선택하는 행성 탐사차의 최적화된 임무 계획 프레임워크를 제안한다. 경로 계획에 A* 알고리즘을 사용하고, 위험 위험과 임무 비용을 최소화하기 위해 시뮬레이티드 앤날링을 적용하며, 달 임무 시뮬레이션을 통해 검증되었으며, 지형 위험 노출도가 크게 감소함을 확인하였다.

ABSTRACT

The exploration of planetary surfaces is predominately unmanned, calling for a landing vehicle and an autonomous and/or teleoperated rover. Artificial intelligence and machine learning techniques can be leveraged for better mission planning. This paper describes the coordinated use of both global navigation and metaheuristic optimization algorithms to plan the safe, efficient missions. The aim is to determine the least-cost combination of a safe landing zone (LZ) and global path plan, where avoiding terrain hazards for the lander and rover minimizes cost. Computer vision methods were used to identify surface craters, mounds, and rocks as obstacles. Multiple search methods were investigated for the rover global path plan. Several combinatorial optimization algorithms were implemented to select the shortest distance path as the preferred mission plan. Simulations were run for a sample Google Lunar X Prize mission. The result of this study is an optimization scheme that path plans with the A* search method, and uses simulated annealing to select ideal LZ-path- goal combination for the mission. Simulation results show the methods are effective in minimizing the risk of hazards and increasing efficiency. This paper is specific to a lunar mission, but the resulting architecture may be applied to a large variety of planetary missions and rovers.

연구 동기 및 목표

• 표면 탐사 중 위험과 비용을 최소화하는 데 중점을 둔 행성 탐사차의 통합된 임무 계획 시스템을 개발하기 위해.
• 지형 위험을 피하는 가장 낮은 비용의 안전한 착륙지역(LZ)과 전역 경로 계획 조합을 식별하기 위해.
• 전역 항법과 메타휴리스틱 최적화의 통합이 자율 행성 탐사에서 효과적인지 평가하기 위해.
• 제안된 아키텍처가 달 외의 다양한 행성 임무로 확장 가능한지 보여주기 위해.

제안 방법

• 지형 데이터에서 크레이터, 언덕, 돌과 같은 표면 장애물을 감지하기 위해 컴퓨터 비전 기법을 활용한다.
• 착륙지점에서 목표지점까지 가장 짧고 안전한 경로를 결정하기 위해 A* 탐색 알고리즘을 사용한다.
• 전반적인 임무 비용을 최소화하기 위해 착륙지역과 경로의 병합 선택을 최적화하기 위해 시뮬레이티드 앤날링을 적용한다.
• 위험 회피를 비용 함수에 통합하여, 지형 장애물 근처의 경로와 착륙지역에 더 높은 비용을 할당한다.
• 성능 평가를 위해 Google Lunar X Prize 기반의 샘플 임무를 시뮬레이션한다.
• 다양한 LZ-경로-목표 조합을 비교하기 위해 조합 최적화를 사용하여 최적의 구성 요건을 선별한다.

실험 결과

연구 질문

• RQ1 지형 위험을 피하면서도 임무 비용을 최소화하는 최적의 착륙지역과 경로 조합은 무엇인가?
• RQ2 A* 경로 계획과 시뮬레이티드 앤날링의 통합이 임무 위험 감소와 효율성 향상에 얼마나 효과적인가?
• RQ3 이 프레임워크는 다양한 행성 천체와 탐사차 임무로 얼마나 일반화될 수 있는가?
• RQ4 장애물 감지 및 비용 모델링 전략의 차이가 최종 임무 계획 품질에 어떤 영향을 미치는가?

주요 결과

• 제안된 프레임워크는 시뮬레이티드 앤날링을 사용하여 위험 노출도를 크게 감소시키는 최저비용의 LZ-경로-목표 조합을 성공적으로 식별하였다.
• 시뮬레이션 결과는 A* 알고리즘이 복잡한 지형 조건에서도 효율적이고 안전한 경로 계획을 제공함을 입증하였다.
• 장애물 감지를 위한 컴퓨터 비전의 통합은 크레이터, 언덕, 돌을 탐사 위험 요소로 정확하게 식별할 수 있게 하였다.
• 이 방법은 지형 장애물에 가장 가까운 경로와 착륙지역을 우선시하여 임무 위험을 감소시켰다.
• 이 아키텍처는 다양한 행성 임무에 적응 가능하여, 달 탐사 외에도 광범위한 응용 가능성을 보여주었다.