[논문 리뷰] Sampling Strategies for Path Planning under Kinematic Constraints

Josep M. Porta, Léonard Jaillet|arXiv (Cornell University)|2014. 07. 09.

Robotic Path Planning Algorithms참고 문헌 27인용 수 3

한 줄 요약

이 논문은 운동학적 제약 조건이 있는 시스템에서의 좁은 통로 문제를 해결하기 위해 세 가지 새로운 샘플링 편향 전략—kd-트리 기반 샘플링, 동적 도메인 AtlasRRT, 그리고 하이브리드 접근 방식—을 제안한다. 기존의 확률적 플래너는 구성 공간이 암묵적이고 비파rametric인 경우에 어려움을 겪는 반면, 본 논문의 전략은 이러한 문제를 효과적으로 해결한다. 특히 동적 도메인 AtlasRRT 전략은 충돌 피드백에 기반해 샘플링 반경을 적응적으로 조정함으로써 충돌 검출 테스트 횟수와 실행 시간을 크게 줄이고, Schunk 손 및 Barrett 팔과 같은 도전적인 벤치마크에서 성공률를 향상시킨다.

ABSTRACT

A well-known weakness of the probabilistic path planners is the so-called narrow passage problem, where a region with a relatively low probability of being sampled must be explored to find a solution path. Many strategies have been proposed to alleviate this problem, most of them based on biasing the sampling distribution. When kinematic constraints appear in the problem, the configuration space typically becomes a non-parametrizable, implicit manifold. Unfortunately, this invalidates most of the existing sampling bias approaches, which rely on an explicit parametrization of the space to explore. In this paper, we propose and evaluate three novel strategies to bias the sampling under the presence of narrow passages in kinematically-constrained systems.

연구 동기 및 목표

• 운동학적 제약 조건이 있는 시스템에서 좁은 통로 문제를 해결하기 위해, 구성 공간이 암묵적이고 비파arametric인 경우에 기존의 확률적 플래너가 실패하는 이유를 해결한다.
• 운동학적 제약 조건으로 인해 구성 공간 샘플링이 복잡한 상황에서도 효과적인 샘플링 편향 전략을 개발한다.
• 성공률 향상, 충돌 검출 테스트 횟수 감소, 실행 시간 단축을 달성하기 위해 새로운 전략을 평가한다. 특히 혼잡하고 제약이 많은 환경에서의 성능을 개선한다.
• 미래의 플래너에의 통합을 촉진하기 위해 오픈소스 구현을 제공한다.

제안 방법

• 주변 공간을 분할하고 叶 노드에서 r-경계 직사각형 내부에서만 샘플링하는 kd-트리 기반 샘플링 전략을 제안하여 기각 샘플링을 제거한다.
• 각 RRT 노드의 샘플링 반경 ρs를 충돌 피드백에 기반해 적응적으로 조정하는 동적 도메인 AtlasRRT를 도입하여, 장애물 근처에 집중된 샘플링을 가능하게 한다.
• RRT 확장 과정 중 충돌 검출을 통해 주변 공간 내 동적 도메인을 정의함으로써, 구성 공간의 명시적 파arametrization 없이도 효율적인 샘플링을 가능하게 한다.
• kd-트리 전략과 동적 도메인 전략의 장점을 융합한 하이브리드 접근 방식을 사용하여 탐색과 정밀 조정의 균형을 이룬다.
• 기존의 RRT 구조와 충돌 검출을 활용하여, 구성 공간의 매니폴드 메트릭을 명시적으로 정의하지 않고도 샘플링 편향을 유도한다.
• 주변 공간에서 작동하고 내재적 거리 근사치를 사용함으로써, AtlasRRT 프레임워크를 운동학적 제약 조건에 적응시킨다.

실험 결과

연구 질문

• RQ1 암묵적이고 비파arametric인 구성 공간이 존재하는 운동학적 제약 조건이 있는 시스템에 대해 샘플링 편향 전략을 효과적으로 적용할 수 있는가?
• RQ2 좁은 통로 상황에서 다양한 샘플링 편향 전략이 성공률, 실행 시간, 충돌 검출 효율성 측면에서 어떻게 상호 비교되는가?
• RQ3 장애물 인근 영역에 샘플링을 집중함으로써 성능을 향상시킬 수 있는가? 이때 탐색 능력은 손상되지 않는가?
• RQ4 운동학적 제약 조건 하에서 RRT 샘플링을 편향시키는 데서 샘플링 효율성과 구현 복잡성 사이의 상충 관계는 어떠한가?
• RQ5 기각이 없는 샘플링 전략인 kd-트리 기반 샘플링이 제약 조건이 있는 환경에서 기존 방법보다 뛰어난 성능을 보일 수 있는가?

주요 결과

• 동적 도메인 AtlasRRT 전략이 가장 높은 성공률과 가장 낮은 실행 시간을 기록하여, Barrett 팔 및 PR2 벤치마크의 100% 실행에서 성공했고, Schunk 손의 경우 52%의 성공률를 기록했다.
• kd-트리 기반 샘플링 전략은 기각 샘플링을 완전히 제거했으며, 모든 벤치마크 문제를 해결했고, Schunk 손에서 성공률 측면에서 동적 도메인 전략보다 뛰어났다.
• Barrett 팔에서 동적 도메인 접근 방식은 기준 AtlasRRT 대비 최대 75%까지 충돌 검출 테스트 횟수를 감소시켰다(37,000회 대비 100,000회).
• 장애물 근처에 노드가 위치할 경우 낮은 ρs 값을 활용함으로써 동적 도메인 접근 방식이 랜덤 샘플의 기각 비율을 줄여 샘플링 효율성을 향상시켰다.
• 고정된 ρs를 사용하는 AtlasRRT는 Schunk 손에서 성공률가 48%에 머물렀지만, 적응형 동적 도메인 버전은 100% 성공률를 기록하여, 적응형 샘플링 반경 조정의 가치를 입증했다.
• kd-트리와 동적 도메인 전략을 융합한 하이브리드 전략은 뛰어난 성능을 보였으며, 기각 없는 샘플링과 적응형 정밀 조정 전략을 효과적으로 융합할 수 있음을 시사한다.