[논문 리뷰] The Convex Feasible Set Algorithm for Real Time Optimization in Motion Planning

Changliu Liu, Chung‐Yen Lin외 1명|arXiv (Cornell University)|2017. 09. 02.

Robotic Path Planning Algorithms참고 문헌 6인용 수 7

한 줄 요약

이 논문은 볼록 비용과 비볼록 제약 조건을 가진 실시간 운동 계획을 위한 빠르고 반복적인 방법인 볼록 가능해집합(Convex Feasible Set, CFS) 알고리즘을 제안한다. 비볼록 가능해역 내에서 볼록 부분문제를 구성하고 기하학적 구조를 활용함으로써, SQP 및 내부점 방법에 비해 더 빠른 수렴 속도와 국소 최적성을 달성하며, 로봇 운동 계획 시뮬레이션에서 뛰어난 속도와 안정성을 입증한다.

ABSTRACT

With the development of robotics, there are growing needs for real time motion planning. However, due to obstacles in the environment, the planning problem is highly non-convex, which makes it difficult to achieve real time computation using existing non-convex optimization algorithms. This paper introduces the convex feasible set algorithm (CFS) which is a fast algorithm for non-convex optimization problems that have convex costs and non-convex constraints. The idea is to find a convex feasible set for the original problem and iteratively solve a sequence of subproblems using the convex constraints. The feasibility and the convergence of the proposed algorithm are proved in the paper. The application of this method on motion planning for mobile robots is discussed. The simulations demonstrate the effectiveness of the proposed algorithm.

연구 동기 및 목표

• 비볼록 제약 조건으로 인해 빠른 최적화가 어려운 동적인 장애물 환경에서 실시간 운동 계획의 과제를 해결한다.
• 실시간 로봇 응용에 너무 느린 기존의 비볼록 최적화 방법(예: SQP 및 내부점 방법)의 한계를 극복한다.
• 비용 함수의 볼록성을 유지하면서 반복적인 볼록 부분문제 근사 기법을 통해 비볼록 제약 조건을 처리하는 방법을 개발한다.
• 일반적인 비볼록, 비미분 가능 최적화 문제에 대해 타당성, 안정성 및 국소 수렴성의 이론적 보장을 확보한다.
• CFS 알고리즘이 이동 로봇 운동 계획에서 효과적임을 정량적 비교를 통해 입증한다. SQP 및 내부점 방법과의 비교를 포함한다.

제안 방법

• 각 반복에서 문제의 기하학적 구조를 이용해 비볼록 제약 집합 Γ 내에 볼록 가능해집합(볼록 이웃)을 구성한다.
• 이 볼록 가능해집합 내에서 검색을 제한함으로써 원래의 비볼록 최적화 문제를 볼록 부분문제의 순서로 변환한다.
• 반복적으로 볼록 부분문제를 해결하고 기준점과 볼록 근사치를 갱신하여 볼록화로 인한 오차를 줄인다.
• 각 단계에서 타당성과 비용 감소를 유지함으로써 수렴성을 확보하며, 약한 조건 하에서 타당성과 국소 최적성에 대한 이론적 증명을 제공한다.
• 단계 크기를 제어하고 안정적인 진전을 보장하기 위해 선형 탐색 전략을 사용한다.
• 비용 함수가 볼록(예: 부드러움, 에너지 효율성)이고 제약 조건이 비볼록(예: 장애물 회피)인 운동 계획의 궤적 최적화에 알고리즘을 적용한다.

실험 결과

연구 질문

• RQ1 볼록 비용과 비볼록 제약 조건을 가진 운동 계획 문제에 대해 실시간 최적화가 가능한 빠른 알고리즘을 개발할 수 있는가?
• RQ2 비볼록 제약 조건의 기하학적 구조를 어떻게 활용하여 타당성을 유지하면서 효율적인 볼록 부분문제를 만들 수 있는가?
• RQ3 제안된 CFS 알고리즘이 국소 최적해로 수렴하고 반복 과정 전반에 걸쳐 타당성을 유지하는가?
• RQ4 CFS의 성능은 SQP 및 내부점 방법과 비교해 수렴 속도와 계산 시간 측면에서 어떻게 다른가?
• RQ5 CFS 알고리즘은 운동 계획 외의 일반적인 비미분 가능, 비볼록 최적화 문제에 적용 가능한가?

주요 결과

• 시나리오 1에서 전체 수평(h=100)에 대해 CFS는 18회의 반복과 1.8초의 계산 시간으로 수렴했으며, 이는 SQP-M(239회, 140.5초) 및 ITP-M(470회, 50.6초)에 비해 뚜렷이 뛰어난 성능을 보였다.
• h=50인 시나리오 2에서는 CFS가 단 6회의 반복과 344.9ms로 수렴했고, ITP-C는 123회의 반복과 595.0ms가 소요되어 더 빠른 수렴 속도를 입증했다.
• 시나리오 1에서 CFS-C가 도출한 해의 비용은 1358.9였으며, 이는 다른 방법으로 찾은 최적 비용과 정확히 일치하여 국소 최적성을 나타냈다.
• CFS는 모든 반복 단계에서 타당하고 부드러운 궤적을 유지했으며, 완전 수렴 이전에도 안전한 비상 정지가 가능한 양호한 타당해를 제공했다.
• CFS의 평균 반복 시간은 시나리오 1에서 4.1ms로, ITP-C(9.5ms) 및 SQP-C(65.4ms)보다 뚜렷이 낮아 효율성을 입증했다.
• 가장 작은 수평(h=30)에서는 CFS가 12회의 반복과 19.0ms로 수렴했고, ITP-C는 59회의 반복과 118.5ms가 소요되어, 더 뛰어난 확장성과 속도를 확인했다.