[논문 리뷰] RRT+ : Fast Planning for High-Dimensional Configuration Spaces

Marios Xanthidis, Ioannis Rekleitis외 1명|arXiv (Cornell University)|2016. 12. 21.

Robotic Path Planning Algorithms인용 수 3

한 줄 요약

이 논문은 고차원 구성 공간에서 경로 탐색을 가속화하기 위해 점진적으로 하위차원 부분공간을 탐색하는 RRT 기반 운동 계획 알고리즘의 새로운 가족인 RRT+를 소개한다. 해법이 존재할 가능성이 높은 하위차원 부분공간을 우선순위에 따라 선별하고 샘플링 전략을 적응적으로 조정함으로써, 특히 PrioritizedRRT+-Connect와 같은 RRT+ 변종은 표준 RRT 및 RRT-Connect, KPIECE와 같은 최첨단 계획기들보다 훨씬 더 빠른 수렴 속도를 달성한다. 이는 특히 과잉 재undant 시스템에서 두드러진다.

ABSTRACT

In this paper we propose a new family of RRT based algorithms, named RRT+ , that are able to find faster solutions in high-dimensional configuration spaces compared to other existing RRT variants by finding paths in lower dimensional subspaces of the configuration space. The method can be easily applied to complex hyper-redundant systems and can be adapted by other RRT based planners. We introduce RRT+ and develop some variants, called PrioritizedRRT+ , PrioritizedRRT+-Connect, and PrioritizedBidirectionalT-RRT+ , that use the new sampling technique and we show that our method provides faster results than the corresponding original algorithms. Experiments using the state-of-the-art planners available in OMPL show superior performance of RRT+ for high-dimensional motion planning problems.

연구 동기 및 목표

• 초기 고차원 구성 공간에서 표준 RRT 알고리즘의 계산 비효율성을 해결하기 위해.
• 해결책이 존재할 가능성이 높은 하위차원 부분공간에 집중함으로써 고DOF 시스템의 계획 시간을 줄이기 위해.
• 기존 RRT 기반 계획기에 쉽게 통합될 수 있고 이론적 보장을 유지하면서 성능을 향상시킬 수 있는 일반화 가능한 프레임워크를 개발하기 위해.
• 다양하고 고차원적인 환경에서 RRT+ 변종의 성능을 최첨단 계획기들과 비교 평가하기 위해.
• 우선순위 지정 및 동적 하위공간 선택이 계획 속도와 해법 품질에 미치는 영향을 탐색하기 위해.

제안 방법

• RRT+는 전체 구성 공간을 점차 증가하는 차원을 가진 부분공간의 시퀀스로 분해하여, 각 부분공간 내에서 수목을 점진적으로 확장할 수 있도록 한다.
• 알고리즘은 기하학적 및 운동학적 제약 조건에 기반해 해가 존재할 가능성이 높은 부분공간을 우선순위에 따라 선별하는 우선순위 샘플링 전략을 사용한다.
• 각 RRT+ 변종(예: PrioritizedRRT+-Connect)은 원래 계획기의 샘플링 및 확장 논리를 부분공간 내에서 작동하도록 수정함으로써 RRT의 이론적 완전성(의미상 완전성)을 유지한다.
• 해당 부분공간이 충분히 탐색되었음을 식별함으로써 검색 깊이를 동적으로 조정함으로써 불필요한 계산을 줄인다.
• 모듈러한 설계를 통해 기존 RRT 기반 계획기에 최소한의 코드 변경으로 쉽게 통합 가능하며, 일반적으로 5분 이내에 구현이 가능하다.
• 하위검색당 최대 시간을 제어하는 파라미터 $ Q_{\text{max}} $ 가 존재하며, 성능는 이 값에 민감하게 반응하지만, 다양한 환경에서 강건성을 유지한다.

실험 결과

연구 질문

• RQ1 하위차원 부분공간에 집중함으로써 고차원 구성 공간에서의 계획 시간을 크게 줄일 수 있는가?
• RQ2 하나의 부분공간에 대해 균일하거나 편향된 샘플링 대비 부분공간 간 우선순위 샘플링이 수렴 속도와 해법 품질 측면에서 어떻게 비교되는가?
• RQ3 RRT+는 과잉 재undant 로봇 시스템에서 RRT-Connect, KPIECE, STRIDE와 같은 최첨단 계획기들보다 얼마나 뛰어나게 성능을 발휘할 수 있는가?
• RQ4 RRT+ 프레임워크는 기존 RRT 기반 계획기에 최소한의 구현 노력으로 쉽게 일반화되고 적응 가능한가?
• RQ5 시스템의 운동학적 구조에 대한 사전 지식이 계획 과정을 가속화하는 데 어떤 역할을 하는가?

주요 결과

• 모든 시험 환경에서 PrioritizedRRT+-Connect는 모든 시도에서 가장 빠른 해법 시간을 기록했으며, 각 경우에서 최단 해법 시간을 확보했다.
• 30-DOF 환경인 Horn 환경에서 PrioritizedRRT+-Connect는 평균 계획 시간을 4.77초로 단축시켰고, RRT-Connect의 66.71초 대비 13.6배 빠른 성능을 보였다.
• 17-DOF 운동학적 체인에서는 RRT+ 변종이 혼잡한 환경와 Horn 환경에서 표준 RRT-Connect 대비 평균 계획 시간을 최대 70%까지 단축시켰다.
• 저재undant 환경에서는 KPIECE와 STRIDE가 RRT+ 변종을 앞섰지만, 고재undant 환경에서는 RRT+가 경쟁력 있고 더 빠른 성능을 보였다.
• 이론적 완전성과 확률적 완전성을 유지하면서도 상당한 속도 향상을 달성함으로써, RRT+의 강건성과 확장 가능성을 입증했다.
• RRT+의 성능는 $ Q_{\text{max}} $ 파라미터에 매우 민감하게 반응하여, 향후 연구에서는 적응형 튜닝 또는 기준 기반 종료 조건이 필요하다는 점을 시사한다.