[논문 리뷰] RLSS: Real-time Multi-Robot Trajectory Replanning using Linear Spatial Separations

Baskın Şenbaşlar, Wolfgang Hönig외 1명|arXiv (Cornell University)|2021. 03. 13.

Robotic Path Planning Algorithms참고 문헌 27인용 수 5

한 줄 요약

RLSS는 통신이 불가능하거나 불안정한 고밀도, 동적 다중로봇 환경에서 경로 재계획을 실시간으로 수행하면서 경로 간의 선형 공간 분리를 기반으로 하는 딱딱한 제약 조건을 사용해 충돌 없는 운동을 보장하는 분산형 실시간 경로 재계획 알고리즘이다. 통신 없이도 작동하며, 오직 국소적 상대 센싱에 의존하며, DMPC와 같은 최신 기술보다도 사각지대를 제거하고 충돌을 줄여 밀도가 높고 동적인 환경에서 성능을 뛰어나게 하면서도 실제 로봇에서 실시간 성능을 유지한다.

ABSTRACT

Trajectory replanning is a critical problem for multi-robot teams navigating dynamic environments. We present RLSS (Replanning using Linear Spatial Separations): a real-time trajectory replanning algorithm for cooperative multi-robot teams that uses linear spatial separations to enforce safety. Our algorithm handles the dynamic limits of the robots explicitly, is completely distributed, and is robust to environment changes, robot failures, and trajectory tracking errors. It requires no communication between robots and relies instead on local relative measurements only. We demonstrate that the algorithm works in real-time both in simulations and in experiments using physical robots. We compare our algorithm to a state-of-the-art online trajectory generation algorithm based on model predictive control, and show that our algorithm results in significantly fewer collisions in highly constrained environments, and effectively avoids deadlocks.

연구 동기 및 목표

• 통신이 제한되거나 불안정한 고밀도, 동적 다중로봇 환경에서 실시간으로 안전한 경로 재계획을 수행하는 데 도전하는 것.
• 중앙집중식 조율이나 로봇 간 통신에 의존하지 않고도 딱딱한 안전 제약 조건을 시행하는 분산 알고리즘을 개발하는 것.
• 환경 변화, 로봇 고장, 경로 추적 오차에 대해 강건성을 확보하면서도 로봇 역학을 명시적으로 모델링하는 것.
• 이질적인 로봇 팀에서 시뮬레이션과 실제 실험 모두에서 실시간 성능을 달성하는 것.
• 경로 효율이 약간 낮아지는 것을 감수하더라도, 기존의 분산 방법인 DMPC보다 안전성과 사각지대 방지 측면에서 뛰어나게 하는 것.

제안 방법

• 알고리즘은 충실한 최적화 문제를 선형 제곱형식의 축소 시간 영역 최적화 문제(QP)로 공식화하여 실시간으로 경로를 계산한다.
• 로봇 간 충돌 방지를 위해 상대 위치 측정치에서 유도된 선형 공간 분리 기반의 딱딱한 제약 조건을 적용한다.
• 각 로봇은 다른 로봇과 장애물을 국소적으로 감지하는 데만 의존하여 독립적으로 자신의 경로를 계획하며, 통신이 필요로 하지 않는다.
• 운동학적 제한 조건을 최적화에 통합함으로써 로봇 역학을 명시적으로 모델링하여 실현 가능한 경로를 보장한다.
• 딱딱한 제약 조건 QP가 해가 존재하지 않을 경우, 소프트 제약 조건 설정으로 전환하여 실패를 보고하고 충돌을 피한다.
• 경로는 3차 다항 스플라인 곡선(3차 Bézier 곡선)으로 표현되어 부드럽고 미분 가능한 운동 계획을 가능하게 한다.

실험 결과

연구 질문

• RQ1 완전히 분산되고 통신이 없는 다중로봇 경로 재계획 알고리즘이 실시간으로 딱딱한 안전 제약 조건을 시행할 수 있는가?
• RQ2 밀도가 높은 환경에서 RLSS의 충돌 방지 및 사각지대 발생 여부가 DMPC와 비교해 어떻게 다른가?
• RQ3 동적 외란과 추적 오차 상황에서 RLSS는 실시간 성능과 안전성을 어느 정도 유지하는가?
• RQ4 RLSS는 통신이 없는 실제 이질적 로봇 플랫폼에 효과적으로 구현될 수 있는가?
• RQ5 통신이 없는 경우 통신 기반 방법에 비해 경로 효율성에 어떤 영향을 미치는가?

주요 결과

• 모든 8개의 실험 설정에서 RLSS는 사각지대가 전혀 발생하지 않았고, DMPC는 4개 설정에서 총 24건의 사각지대를 경험했다.
• 모든 시뮬레이션에서 RLSS는 DMPC보다 훨씬 적은 수의 충돌을 기록했으며, 최악의 경우 0~46건의 충돌에 그쳤고, DMPC는 33~20,131건의 충돌을 기록했다.
• RLSS의 평균 반복 계산 시간은 14.78ms(최악의 경우 272.33ms)였으며, 이는 DMPC의 평균 1.05ms보다 높지만 여전히 실시간 제한 내에 있었다.
• 실제 실험에서는 iRobot Create2, Turtlebot2, Turtlebot3, Crazyflie 2.0 로봇들에서 RLSS가 성공적으로 작동하여 실제 환경 조건에서도 강건성을 입증했다.
• 어떤 경우에는 경로 길이가 더 길었지만, RLSS는 충돌 방지를 보장하는 완전하고 정확한 해를 제공했고, DMPC는 고밀도 상황에서 안전성을 유지하지 못했다.
• 안전 제약 조건을 충족시킬 수 없는 상황에서는 알고리즘이 정확히 해가 존재하지 않음을 보고하여, 제약 조건이 깐깐한 환경에서도 충돌이 발생하지 않도록 보장했다.