[논문 리뷰] Toward Safety-Aware Informative Motion Planning for Legged Robots

Sangli Teng, Yukai Gong외 2명|arXiv (Cornell University)|2021. 03. 26.

Robotic Path Planning Algorithms참고 문헌 52인용 수 22

한 줄 요약

이 논문은 다리 달린 로봇을 위한 안전 인지형 운동 계획 프레임워크인 SAFE-IIG를 제안한다. 이는 이산 시간 제어 바리어 기능(DCBF)과 모델 예측 제어(MPC)를 통합하여 다단계 동적 가능 경로를 생성한다. DCBF-MPC와 증분 탐색 정보 수집(IIG) 알고리즘을 결합함으로써, 안전성과 안정성을 확보하면서도 확률적 지ap에서의 정보 수익을 극대화하여 재계획 없이 충돌이 없는 동적 가능 경로를 시뮬레이션에서 달성한다.

ABSTRACT

This paper reports on developing an integrated framework for safety-aware informative motion planning suitable for legged robots. The information-gathering planner takes a dense stochastic map of the environment into account, while safety constraints are enforced via Control Barrier Functions (CBFs). The planner is based on the Incrementally-exploring Information Gathering (IIG) algorithm and allows closed-loop kinodynamic node expansion using a Model Predictive Control (MPC) formalism. Robotic exploration and information gathering problems are inherently path-dependent problems. That is, the information collected along a path depends on the state and observation history. As such, motion planning solely based on a modular cost does not lead to suitable plans for exploration. We propose SAFE-IIG, an integrated informative motion planning algorithm that takes into account: 1) a robot's perceptual field of view via a submodular information function computed over a stochastic map of the environment, 2) a robot's dynamics and safety constraints via discrete-time CBFs and MPC for closed-loop multi-horizon node expansions, and 3) an automatic stopping criterion via setting an information-theoretic planning horizon. The simulation results show that SAFE-IIG can plan a safe and dynamically feasible path while exploring a dense map.

연구 동기 및 목표

• 기존의 샘플링 기반 인지형 운동 계획에서의 안전성과 다이나믹한 가능성이 부족한 점을 해결하기 위해.
• 제어 바리어 기능과 모델 예측 제어를 통해 다리 달린 로봇의 역학과 안전 제약 조건을 정보 수집 계획에 통합하기 위해.
• 폐쇄 루프 노드 확장을 유지하면서도 안전성과 정보 극대화를 보장하는 후행 수평 다단계 계획자 개발하기 위해.
• 환경에 대한 사전 지식 없이 정보 이론 기반 기준에 따라 자동으로 탐색을 중단할 수 있도록 하기 위해.
• Cassie 시리즈 이중 다리 로봇의 고정밀 시뮬레이션을 통해 계획된 경로의 가능성과 강건성을 검증하기 위해.

제안 방법

• 안전 영역의 전방 불변성을 보장하여 충돌 회피와 안정성을 확보하기 위해 이산 시간 제어 바리어 기능(DCBF)을 사용한다.
• 노드 확장을 위한 다단계 동적 가능 경로를 생성하기 위해 후행 수평 방식의 모델 예측 제어(MPC)를 적용한다.
• DCBF-MPC 계획자와 증분 탐색 정보 수집(IIG) 프레임워크를 통합하여 안전 중심의 정보 극대화 경로 계획을 가능하게 한다.
• 환경의 조밀한 확률적 지도 위에서 하위모듈러 함수를 사용하여 정보 수익을 계산하고 정보가 풍부한 경로 우선순위를 정한다.
• 정보 이론 기반 정지 기준에 따라 계획 수평을 설정하여 향후 수익이 미미할 경우 탐색을 종료한다.
• 저수준 제어를 위해 단순화된 LIP 모델과 각운동량 피드백을 적용하여 계획된 웨이포인트와 속도를 폐쇄 루프로 정확히 추적한다.

실험 결과

연구 질문

• RQ1 어떻게 샘플링 기반 인지형 운동 계획에서 안전성과 다이나믹한 가능성을 공식적으로 표현할 수 있는가?
• RQ2 DCBF-MPC 기반의 다단계 폐쇄 루프 경로 계획자가 일단에만 탐색하는 그리디 방법에 비해 경로 품질과 안전성을 향상시킬 수 있는가?
• RQ3 확률적 지도에서의 정보 수익을 안전 중심의 운동학적-역학적 가능 계획 프레임워크에 효과적으로 통합할 수 있는가?
• RQ4 환경에 대한 사전 지식 없이도 정보 이론 기반 기준에 따라 탐색을 자동으로 중단할 수 있는가?
• RQ5 계획된 경로가 재계획 없이 다리 달린 로봇 제어기에서 얼마나 잘 폐쇄 루프로 추적될 수 있는가?

주요 결과

• SAFE-IIG는 Cassie 시리즈 이중 다리 로봇 모델을 사용하여 복잡한 환경에서 충돌이 없는 동적 가능 경로를 성공적으로 계획하였다.
• 질량중심(CoM) 위치의 폐쇄 루프 경로 추적 오차는 0.05 m 이내로 유지되어 재계획 없이도 높은 추적 정확도를 입증하였다.
• 단일 장애물 환경에서 개방 루프 추적 드리프트는 124단계 동안 0.8 m 이하로 제한되었고, 115단계의 동굴 지도에서는 0.4 m 이하였다.
• 기준선인 RRT-DCBF-MPC에 비해 더 매끄러운 경로를 달성하였으며, 경로 이탈 감소와 함께 안정성 향상을 보였다.
• DCBF-MPC의 통합은 안전한 다단계 노드 확장을 가능하게 하여, 각 신규 노드가 동적 가능하고 충돌이 없는지를 보장하였다.
• 정보 이론 기반 정지 기준은 향후 수익이 미미할 경우에 효과적으로 탐색을 종료하여 계획 효율성을 향상시켰다.