[논문 리뷰] Path Planning in Unknown Environments Using Optimal Transport Theory

Haoyan Zhai, Magnus Egerstedt외 1명|arXiv (Cornell University)|2019. 09. 25.

Robotic Path Planning Algorithms참고 문헌 50인용 수 4

한 줄 요약

이 논문은 최적화 이론과 포켈-플랭크 방정식(FPE)을 사용하여 미지 환경에서 결정론적이고 그래프 기반의 경로 계획 알고리즘을 제안한다. 알고리즘은 시작 지점에서 목표 지점으로 향해 잠재 에너지 기반의 그래프를 점진적으로 구축하며, 새로운 장애물 정보에 따라 동적으로 업데이트되며, 가용성이 있는 경우 유한한 시간 내에 타당한 경로를 보장한다. 이는 고차원 공간에서도 성립한다.

ABSTRACT

This paper introduces a graph-based, potential-guided method for path planning problems in unknown environments, where obstacles are unknown until the robots are in close proximity to the obstacle locations. Inspired by optimal transport theory, the proposed method generates a graph connecting the initial and target configurations, and then finds a path over the graph using the available environmental information. The graph and path are updated iteratively when newly encountered obstacle information becomes available. The resulting method is a deterministic procedure proven to be complete, i.e., it is guaranteed to find a feasible path, when one exists, in a finite number of iterations. The method is scalable to high-dimensional problems. In addition, our method does not search the entire domain for the path, instead, the algorithm only explores a sub-region that can be described by the evolution of the Fokker-Planck equation. We demonstrate the performance of our algorithm via several numerical examples with different environments and dimensions, including high-dimensional cases.

연구 동기 및 목표

• 장애물이 접근할 때만 탐지되는 미지 환경에서의 경로 계획 과제를 해결한다.
• 재계획수행 시 라이브락 현상, 고차원에서의 높은 계산 비용, 잠재 에너지 장에서 국소 최솟값에 갇히는 등의 기존 방법의 한계를 극복한다.
• FPE 역학을 통해 관련 부분 영역에 집중함으로써 전체 영역 탐색을 피하는 결정론적이고 완전한 알고리즘을 개발한다.
• Fokker-Planck 방정식의 진화에 의해 지배되는 영역에 탐색을 제한함으로써 확장성과 효율성을 확보한다.
• 최적화 이론과 워셔슈타인 공간 내의 기울기 흐름을 활용하여 수렴성과 경로 타당성에 대한 이론적 보장을 제공한다.

제안 방법

• 구성 공간 내 잠재 에너지의 최소화 기반으로 노드를 추가함으로써, 잠재 함수를 사용해 그래프 생성을 유도한다.
• 최적화 이론에 따라 확률 분포의 진화를 모델링하는 포켈-플랭크 방정식(FPE)에 기반한 영역 성장 전략을 적용한다.
• 초기 구성 상태에서 시작하여, 잠재 함수에 대한 기울기 하강 유사 절차를 사용해 목표 향해 트리 구조의 그래프를 확장한다.
• 새로운 장애물 데이터가 탐지될 경우 그래프와 경로를 동적으로 업데이트하여 환경 변화에 적응 가능하도록 한다.
• FPE의 지지 영역에 의해 기술되는 부분 영역에 탐색을 국한함으로써 전체 공간 탐색을 피하고 계산 효율성을 향상시킨다.
• 워셔슈타인 공간 내 FPE의 기울기 흐름 구조를 활용해 국소 최솟값에서 벗어나도록 최적화 이론을 통합한다.

실험 결과

연구 질문

• RQ1 미지 환경에서 전체 영역 탐색 없이도 완전성을 보장하는 경로 계획 알고리즘이 가능한가?
• RQ2 최적화 이론을 어떻게 활용해 그래프 기반 경로 탐색을 유도하면서 국소 최솟값을 피할 수 있는가?
• RQ3 포켈-플랭크 방정식은 어떻게 탐색 영역을 계산적으로 다룰 수 있는 부분 영역으로 제한하는가?
• RQ4 새로운 장애물 정보를 점진적으로 통합하면서도 결정론성과 완전성을 유지할 수 있는가?
• RQ5 다중 로봇 시스템에서 흔히 볼 수 있는 고차원 구성 공간으로 효과적으로 확장 가능한가?

주요 결과

• 알고리즘은 완전성의 증명이 있다: 알려진 환경에 경로가 존재할 경우, 유한한 반복 내에 타당한 경로를 보장한다.
• 그래프의 크기는 구성 공간의 차원에 대해 선형적으로 증가하므로 고차원 문제에 대한 확장성이 보장된다.
• 탐색은 FPE의 지지 영역에 의해 지배되는 부분 영역에 국한되며, 전체 공간 탐색 대비 계산 부담을 크게 줄인다.
• 워셔슈타인 공간 내 FPE의 기초 기울기 흐름 구조 덕분에 국소 최솟값에서 벗어나며, 전역 최솟값으로 수렴함을 보장한다.
• 각 계획 단계에서 현재까지 알려진 환경에 대해 경로가 최적화되며, 경로가 존재하지 않을 경우 불가능성을 탐지한다.
• 수치 실험을 통해 다양한 2차원 및 고차원 환경(좁은 통로, 복잡한 장애물 배치 포함)에서 뛰어난 성능을 입증했다.