[논문 리뷰] Toward Efficient Task Assignment and Motion Planning for Large Scale Underwater Mission

Somaiyeh Mahmoud Zadeh, David Powers외 2명|arXiv (Cornell University)|2016. 04. 17.

Robotic Path Planning Algorithms참고 문헌 21인용 수 12

한 줄 요약

이 논문은 다수의 무인수중항체(AUV)를 포함한 대규모 수중 임무를 위한 하이브리드 작업 할당 및 운동 계획 프레임워크를 제안한다. 이는 국소 경로 계획과 적응형 글로벌 루트 계획을 통합한 PSO 기반 휠러스티크 방법을 사용하며, 혼잡한 환경에서 효율적이고 반응적인 가이던스를 가능하게 하여, NP-하드 계획 문제 상황에서 빠르고 실현 가능한 해법을 통해 임무 성공률, 안전성 및 생산성을 크게 향상시킨다.

ABSTRACT

An Autonomous Underwater Vehicle (AUV) needs to acquire a certain degree of autonomy for any particular underwater mission to fulfill the mission objectives successfully and ensure its safety in all stages of the mission in a large scale operating filed. In this paper, a novel combinatorial conflict-free-task assignment strategy consisting an interactive engagement of a local path planner and an adaptive global route planner, is introduced. The method is established upon the heuristic search potency of the Particle Swarm Optimisation (PSO) algorithm to address the discrete nature of routing-task assignment approach and the complexity of NP-hard path planning problem. The proposed hybrid method is highly efficient for having a reactive guidance framework that guarantees successful completion of missions specifically in cluttered environments. To examine the performance of the method in a context of mission productivity, mission time management and vehicle safety, a series of simulation studies are undertaken. The results of simulations declare that the proposed method is reliable and robust, particularly in dealing with uncertainties, and it can significantly enhance the level of vehicle's autonomy by relying on its reactive nature and capability of providing fast feasible solutions.

연구 동기 및 목표

• 다수의 무인수중항체(AUV)를 포함한 대규모 수중 임무에서 효율적인 작업 할당 및 운동 계획 문제를 해결하기 위해.
• 복잡하고 혼잡한 수중 환경에서 임무 성공률과 차량 안전성을 보장하는 반응형 가이던스 프레임워크를 개발하기 위해.
• 휴리스틱 최적화 기법을 활용하여 NP-하드 경로 계획 문제의 계산 복잡도를 감소시키기 위해.
• 불확실성 하에서 실현 가능한 해법 생성을 통해 임무 생산성 및 시간 관리 능력을 향상시키기 위해.

제안 방법

• 국소 경로 계획과 적응형 글로벌 루트 계획을 통합한 새로운 조합적 충돌 없는 작업 할당 전략을 제안한다.
• 경로 및 작업 할당 문제의 이산적이고 NP-하드한 성격을 다루기 위해 입자군집최적화(PSO)를 활용한다.
• 대규모 임무 계획에서 최적 또는 근사 최적 해를 찾는 데 있어 검색 능력을 향상시키기 위해 PSO를 사용한다.
• 프레임워크는 반응형으로 설계되어 환경 변화와 불확실성에 실시간으로 대응할 수 있도록 한다.
• 하이브리드 아키텍처는 국소 경로 정밀화와 글로벌 루트 최적화를 조합하여 동적 재계획을 가능하게 한다.
• 성능 평가를 위해 광범위한 시뮬레이션 연구를 수행하여 임무 생산성, 시간 관리 및 안전성 측면에서의 성능을 분석한다.

실험 결과

연구 질문

• RQ1 다수의 AUV를 포함한 대규모 수중 임무에서 작업 할당과 운동 계획을 어떻게 효율적으로 조율할 수 있는가?
• RQ2 다이나믹한 수중 환경에서 이산적 경로 및 작업 할당 문제의 NP-하드 복잡성을 효과적으로 다룰 수 있는 최적화 기법은 무엇인가?
• RQ3 PSO 기반 접근 방식이 혼잡한 수중 환경에서 임무 성공률과 안전성에 얼마나 기여하는가?
• RQ4 제안된 프레임워크의 반응성은 실시간 반응성과 해법의 실현 가능성에 어떻게 기여하는가?
• RQ5 불확실성은 제안된 하이브리드 계획 시스템의 성능에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 수중 임무 중 환경적 불확실성을 다루는 데 있어 높은 신뢰성과 강건성을 보였다.
• 반응형 계획 프레임워크를 통해 빠르고 실현 가능한 해법 생성이 가능해져 AUV의 자율성이 크게 향상되었다.
• 시뮬레이션 결과는 다양한 복잡한 시나리오에서 임무 생산성 향상과 효과적인 시간 관리가 확인되었다.
• 하이브리드 PSO 기반 접근 방식은 계산 효율성과 해법 품질의 균형을 잘 유지하며 전통적 방법을 능가했다.
• 혼잡한 환경에서도 동적 장애물이 존재하는 상황에서도 충돌 없는 작업 할당과 안전한 항로 운행을 보장했다.
• 고품질의 해답을 유지하면서도 계획 시간을 효과적으로 단축시켜 실시간 구현을 지원했다.