[논문 리뷰] RAPTOR: Robust and Perception-aware Trajectory Replanning for Quadrotor Fast Flight

Boyu Zhou, Jie Pan외 2명|arXiv (Cornell University)|2020. 07. 06.

Robotic Path Planning Algorithms참고 문헌 46인용 수 19

한 줄 요약

RAPTOR는 시간 제약 조건이 깠을 때도 실현 가능하고 고성능의 궤적을 보장하기 위해 경로 유도 최적화와 위상적 경로 계획을 융합한 강건하고 인지 인식 능력을 갖춘 고속 경로 재계획 프레임워크이다. 위험 인식 궤적 정련과 능동적 인지의 위해를 위한 요우 각도 계획을 통합함으로써, 알려지지 않은 장애물을 이르기까지 탐지할 수 있게 되어, 밀도 높고 복잡한 환경에서 안전성과 성능이 크게 향상되었으며, 최대 3.41 m/s의 속도로 실내 및 실외 비행 테스트를 통해 검증되었다.

ABSTRACT

Recent advances in trajectory replanning have enabled quadrotor to navigate autonomously in unknown environments. However, high-speed navigation still remains a significant challenge. Given very limited time, existing methods have no strong guarantee on the feasibility or quality of the solutions. Moreover, most methods do not consider environment perception, which is the key bottleneck to fast flight. In this paper, we present RAPTOR, a robust and perception-aware replanning framework to support fast and safe flight. A path-guided optimization (PGO) approach that incorporates multiple topological paths is devised, to ensure finding feasible and high-quality trajectories in very limited time. We also introduce a perception-aware planning strategy to actively observe and avoid unknown obstacles. A risk-aware trajectory refinement ensures that unknown obstacles which may endanger the quadrotor can be observed earlier and avoid in time. The motion of yaw angle is planned to actively explore the surrounding space that is relevant for safe navigation. The proposed methods are tested extensively. We will release our implementation as an open-source package for the community.

연구 동기 및 목표

• 기존 방법들이 시간 제약 조건과 인지 인식 부족으로 실패하는, 미지의 복잡한 환경에서 강력하고 고속의 궤적 재계획 문제를 해결하기 위해.
• 최적화를 위한 여러 위상적으로 다른 경로를 활용하여, 제한된 계산 예산 조건에서도 궤적의 실현 가능성과 품질을 향상시키기 위해.
• 장애물이 알려지지 않았고 가림이 있는 상황에서 빠른 비행 중 안전성을 향상시키기 위해 능동적으로 인지 계획을 수행함으로써, 이른 장애물 탐지 보장 및 시각적 접근성 강화를 위해.
• 강력한 재계획과 능동적 인지의 통합을 통해, 복잡한 실내 및 실외 환경에서 신뢰할 수 있는 자율 비행을 가능하게 하는 시스템 개발을 위해.

제안 방법

• 기하학적 안내 경로를 사용하여 局부 최소값에서 벗어나고 제한된 시간 내에 실현 가능한 궤적 해를 보장하는 경로 유도 최적화(PGO) 프레임워크.
• 온라인 위상적 경로 계획이 다양한 위상적으로 다른 경로 집합을 추출하여 병렬 궤적 최적화를 안내함으로써, 해 공간 탐색의 향상을 도모한다.
• 위험 인식 궤적 정련 전략이 잠재적으로 위험한 알려지지 않은 영역 향한 시야를 강제로 확보하고 안전한 반응 거리를 확보하여, 마지막 순간의 놀라움을 방지한다.
• 요우 각도는 두 단계 프레임워크를 통해 명시적으로 계획된다: 최적의 정보 수득과 부드러움을 위한 이산적 탐색, 그리고 연속 최적화를 통한 은폐된 공간의 능동적 탐색을 가능하게 한다.
• 전역 계획, 상태 추정, 맵핑, 제어와의 통합을 통해 실제 큼포트 플랫폼에서 종단 간 자율 비행을 가능하게 한다.
• 프레임워크는 커뮤니티 사용을 위한 오픈소스 패키지로 구현되어 있으며, 공격적인 비행 시나리오에서 실시간 성능을 지원한다.

실험 결과

연구 질문

• RQ1 고속 큼포트 비행에서 엄격한 시간 제약 조건 하에서 궤적 재계획을 어떻게 강력하고 효율적으로 구현할 수 있는가?
• RQ2 위상적 경로 다양성이 복잡한 환경에서 최적화된 궤적의 품질과 실현 가능성에 어떻게 기여하는가?
• RQ3 장애물이 알려지지 않았고 가림이 있는 상황에서 빠른 비행 중 능동적 인지가 안전성 향상에 어떤 역할을 하는가?
• RQ4 어떻게 요우 운동을 전략적으로 계획하여 위험하고 맵핑되지 않은 영역의 시야를 최대화하고 상황 인식을 향상시킬 수 있는가?
• RQ5 인지 인식 기반 계획이 고밀도의 미지 환경에서 인지 인식 무시 방법보다 얼마나 뛰어나게 성능을 발휘하는가?

주요 결과

• RAPTOR는 고속 비행 임무에서 일관된 성공을 거두었으며, 실외 숲에서는 최대 3.41 m/s, 실내에서는 2.90 m/s의 속도로 작동하여, 둘 다 최신 기술보다 빠르고 안전성 면에서 뛰어났다.
• 밀도 높은 숲 환경에서, 큼포트는 46.85 m를 21.91초 동안 비행하여 평균 속도 2.14 m/s를 기록했으며, 구조가 불규칙하고 가림이 많은 환경에서의 강건성을 입증했다.
• 인지 인식 전략 덕분에 잠재적으로 위험한 알려지지 않은 영역 향한 시야 확보로 인해, 마지막 순간의 장애물 충돌 위험이 감소하여, 조기에 회피가 가능해졌다.
• 요우 계획 통합으로 정보 수득과 시야 확보가 향상되어, 인지 인식 무시 방법보다 장애물을 이르기까지 탐지할 수 있었다.
• 벤치마크 비교 결과, RAPTOR는 EWOK 및 RE Traj와 같은 방법보다 성공률과 해 품질 면에서 뛰어나, 특히 고밀도 환경에서 두각을 나타냈다.
• 실제 테스트에서 높은 신뢰성을 입증하였으며, 공격적인 실내 및 실외 비행 실험에서 충돌 없이 작동했고, 이는 강력한 최적화와 인지 인식의 조합 덕분이었다.