[논문 리뷰] Teach-Repeat-Replan: A Complete and Robust System for Aggressive Flight in Complex Environments

Fei Gao, Luqi Wang외 4명|arXiv (Cornell University)|2019. 07. 01.

Robotic Path Planning Algorithms참고 문헌 43인용 수 7

한 줄 요약

이 논문은 복잡한 환경에서 급격한 자율 드론 비행을 위한 완전하고 강력한 시스템인 Teach-Repeat-Replan을 제안한다. 이 시스템은 공간-시간 최적화를 통해 임의로 진동하는 인간 조종 비행 경로를 위상적으로 동일한 매끄럽고 운동역학적으로 타당한 전역 경로로 변환하며, 현장에서의 슬라이딩 윈도우 기반 국소 인식과 빠른 재계획을 통합하여 미지도 또는 동적 장애물을 회피함으로써 실시간 적응과 고정밀 추적을 가능하게 하여, 변화하는 실내 및 실외 환경에서 안전하고 급격한 비행을 구현한다.

ABSTRACT

In this paper, we propose a complete and robust motion planning system for the aggressive flight of autonomous quadrotors. The proposed method is built upon on a classical teach-and-repeat framework, which is widely adopted in infrastructure inspection, aerial transportation, and search-and-rescue. For these applications, human's intention is essential to decide the topological structure of the flight trajectory of the drone. However, poor teaching trajectories and changing environments prevent a simple teach-and-repeat system from being applied flexibly and robustly. In this paper, instead of commanding the drone to precisely follow a teaching trajectory, we propose a method to automatically convert a human-piloted trajectory, which can be arbitrarily jerky, to a topologically equivalent one. The generated trajectory is guaranteed to be smooth, safe, and kinodynamically feasible, with a human preferable aggressiveness. Also, to avoid unmapped or dynamic obstacles during flights, a sliding-windowed local perception and re-planning method are introduced to our system, to generate safe local trajectories onboard. We name our system as teach-repeat-replan. It can capture users' intention of a flight mission, convert an arbitrarily jerky teaching path to a smooth repeating trajectory, and generate safe local re-plans to avoid unmapped or moving obstacles. The proposed planning system is integrated into a complete autonomous quadrotor with global and local perception and localization sub-modules. Our system is validated by performing aggressive flights in challenging indoor/outdoor environments. We release all components in our quadrotor system as open-source ros-packages.

연구 동기 및 목표

• 인간 조종 비행 경로가 종종 최적화되지 않은 복잡한 환경에서 급격한 자율 비행을 위한 강력하고 완전한 시스템을 개발하는 것.
• 환경 변화나 낮은 수준의 교육 품질에 의해 실패하는 전통적인 teach-and-repeat 시스템의 한계를 해결하는 것.
• 사용자 의도를 존중하면서도 매끄럽고 안전하며 운동역학적으로 타당한 경로를 생성할 수 있도록 자율 드론을 가능하게 하는 것.
• 비행 중 미지도 또는 이동하는 장애물을 처리하기 위해 온라인 국소 인식과 재계획을 통합하는 것.
• 전문 조종사가 필요 없이 고강도 비행 성능을 달성함으로써 실생활 응용에 접근 가능하고 실용적인 시스템을 만드는 것.

제안 방법

• 시스템은 현장 센서 기반 지ap 재구성과 함께 시뮬레이션 환경에서 인간 조종 비행 경로를 기록하는 가상 교육 인터페이스를 사용한다.
• GPU 가속된 볼록 다면체 군집화 방법을 통해 교육 경로의 위상적 구조를 유지하는 비행 통로를 생성한다.
• 전역 경로 생성은 공간 최적화와 시간 최적화로 분리된다: 에너지 최적의 공간 경로와 시간 최적의 시간 프로파일이 좌표 강하를 통해 반복적으로 개선된다.
• 시스템은 스테레오 카메라를 사용하여 0.075m 해상도의 동적 레이어 버퍼 기반 점유 지도를 구축하는 슬라이딩 윈도우 기반 국소 인식 모듈을 채택한다.
• 빠른 국소 재계획 모듈은 기울기 기반 국소 경로 감싸기 기법을 사용하여 실시간(15Hz)으로 안전하고 운동역학적으로 타당한 스퍼린을 생성하며, 동적 또는 미지도 장애물에 대응한다.
• 전역 계획과 국소 재계획을 융합함으로써 국소화 오차나 환경 변화가 발생하더라도 기준 경로를 안전하게 추적할 수 있도록 보장한다.

실험 결과

연구 질문

• RQ1 어떻게 임의로 진동하는 인간 조종 비행 경로를 사용자 의도의 위상적 특성을 유지하면서도 매끄럽고 안전하며 운동역학적으로 타당한 전역 경로로 변환할 수 있는가?
• RQ2 교수 경로 주변의 필수 자유 공간을 포괄하면서도 효율적인 전역 최적화를 가능하게 하는 비행 통로를 생성하는 효과적인 방법은 무엇인가?
• RQ3 비행 중에 미지도 또는 이동하는 장애물을 실시간으로 만났을 때, 급격한 비행 중 안전성과 안정성을 유지할 수 있는 방법은 무엇인가?
• RQ4 전역 지도 재초기화 없이 환경 변화에 대해 강력하고 저지연으로 적응할 수 있는 국소 인식 및 재계획 전략은 무엇인가?
• RQ5 GPS 장애가 발생하는 복잡한 실내 및 실외 환경에서도 정밀한 추적과 강건성을 유지하면서 고강도 비행 성능을 확보할 수 있는 방법은 무엇인가?

주요 결과

• 시스템은 최대 2 m/s 속도와 2 m/s² 가속도로 실내에서 급격한 비행을 성공적으로 수행하였으며, 동적 장애물로 인해 8회의 국소 재계획 이벤트가 발생했고, 변화하는 드론 레이싱 코스에서 안전한 항로를 확보하였다.
• 실외 실험에서는 최대 7 m/s 속도와 6 m/s² 가속도로 비행하였으며, 시각-자기장 국소화(VINS)와 국소 인식만을 사용하여 GPS 장애 환경에서도 강건성을 입증하였다.
• 실외 시험에서 국소 재계획 모듈은 15 Hz로 작동했고, 2.0초의 예측 수평을 가졌으며, 갑작스러운 환경 변화에 실시간으로 적응하고 안전한 경로 추적을 유지하였다.
• 전역 경로 생성이 높은 정밀도로 추적되었으며, 고속에서도 위치 및 속도 추정 오차가 그림 23에 나타난 바와 같이 허용 가능한 범위 내에 유지되었다.
• GPU 가속된 볼록 다면체 군집화를 사용한 비행 통로 생성 방법은 복잡하고 혼잡한 환경에서 효율적이고 정확한 통로 추출을 가능하게 하였다.
• 시스템은 실내 드론 레이싱, 숲 비행, 제3자 시연 등 다양한 시나리오에서 검증되었으며, 강건성, 유연성, 실생활 적용 가능성의 확인을 받았다.