[논문 리뷰] Development of an Autonomous Reactive Mission Scheduling and Path Planning (ARMSP) Architecture Using Evolutionary Algorithms for AUV Operation in a Sever Ocean Environment.

Somaiyeh Mahmoud Zadeh, David Powers외 1명|arXiv (Cornell University)|2016. 05. 06.

Robotic Path Planning Algorithms참고 문헌 48인용 수 4

한 줄 요약

이 논문은 극한의 해양 환경에서 작동하는 AUV를 위한 자율 반응형 미션 스케줄링 및 경로 계획(ARMSP) 아키텍처를 제안한다. 다양한 계층에서 진화 알고리즘을 사용하여 실시간 미션 적응을 가능하게 하며, 동적 장애물 회피, 시간에 따라 변화하는 위협 관리, 그리고 저연산 부하로도 가능한 온라인 재계획 기능을 통합한다. 다양한 메타휴리스틱 알고리즘 간에 안정적인 성능을 보이며, 실시간 환경에서의 안정성과 효율성을 입증한다.

ABSTRACT

Providing a higher level of decision autonomy is a true challenge in development of today AUVs and promotes a single vehicle to accomplish multiple tasks in a single mission as well as accompanying prompt changes of a turbulent and highly uncertain environment, which has not been completely attained yet. The proceeding approach builds on recent researches toward constructing a comprehensive structure for AUV mission planning, routing, task-time managing and synchronic online motion planning adaptive to sudden changes of the time variant environment. Respectively, an Autonomous Reactive Mission Scheduling and Path Planning (ARMSP) architecture is constructed in this paper and a bunch of evolutionary algorithms are employed by different layers of the proposed control architecture to investigate the efficiency of the structure toward handling addressed objectives and prove stability of its performance in real-time mission task-time-threat management regardless of the applied metaheuristic algorithm. Static current map data, uncertain dynamic-static obstacles, vehicles Kino-dynamic constraints are taken into account and online path re-planning strategy is adopted to consider local variations of the environment so that a small computational load is devoted for re-planning procedure since the upper layer, which is responsible for mission scheduling, renders an overview of the operation area that AUV should fly thru. Numerical simulations for analysis of different situations of the real-world environment is accomplished separately for each layer and also for the entire ARMSP model at the end. Performance and stability of the model is investigated thorough employing metaheuristic algorithms toward furnishing the stated mission goals.

연구 동기 및 목표

• turbulent하고 불확실한 해양 환경에서 작동하는 AUV에서 고수준 의사결정 자율성을 달성하는 데 도전하는 문제를 해결한다.
• 갑작스러운 환경 변화에 대응하면서도 한 번의 미션 동안 다수의 작업을 수행할 수 있는 단일 AUV를 가능하게 한다.
• 미션 스케줄링, 경로 계획, 실시간 재계획 기능을 통합한 계층적 제어 아키텍처를 개발한다.
• 진화 알고리즘을 사용하여 시간에 따라 변화하는 조건에서도 안정적이고 효율적인 성능을 확보한다.
• 고수준 계획을 상위 계층 개괄 시스템에 위임하여 온라인 재계획 동안 연산 부하를 최소화한다.

제안 방법

• 각 계층이 특정 하위 문제(미션 스케줄링, 경로 계획, 동적 재계획)에 대해 진화 알고리즘을 사용하는 다중 계층 ARMSP 아키텍처를 설계한다.
• 계획 과정에 정적 해류 지도와 정적·동적 장애물을 환경 제약 조건으로 통합한다.
• AUV의 키노다이내믹 제약 조건을 적용하여 물리적으로 타당한 궤적을 보장한다.
• 실시간 데이터를 활용해 국소적 환경 변화에 반응하는 온라인 재계획 전략을 구현한다.
• 고수준 미션 개괄와 저수준 운동 계획을 분리하여 재계획 시 연산 부하를 감소시킨다.
• 다양한 계층에서 메타휴리스틱 알고리즘(예: 유전 알고리즘, 입자 군집 최적화)을 사용하여 효율적으로 해 공간을 탐색한다.

실험 결과

연구 질문

• RQ1 자율 AUV 시스템은 미션 수행 중에 동적이고 불확실한 해양 환경에 실시간으로 적응할 수 있는가?
• RQ2 ARMSP 아키텍처는 미션 스케줄링 및 경로 계획에서 다양한 메타휴리스틱 알고리즘 간에 성능 안정성을 유지하는가?
• RQ3 시스템은 미션 목표와 안전 제약 조건을 유지하면서도 온라인 재계획 시 낮은 연산 부하를 확보할 수 있는가?
• RQ4 계층적 진화 알고리즘 접근 방식은 시간에 따라 변화하는 위협과 동적 장애물을 다루는 데 얼마나 효과적인가?
• RQ5 다양한 환경 조건과 미션 복잡도에서 ARMSP 모델의 성능 안정성은 어떠한가?

주요 결과

• ARMSP 아키텍처는 진화 알고리즘을 사용하여 동적 해양 조건 하에서 실시간 미션 스케줄링 및 경로 계획을 성공적으로 구현한다.
• 다양한 메타휴리스틱 알고리즘 간에 안정적인 성능을 보이며, 해 생성 과정의 강건성을 입증한다.
• 상위 계층의 미션 개괄 덕분에 전체 재최적화가 필요로 하지 않아 온라인 재계획 시 낮은 연산 부하로 구현된다.
• 정적 해류 데이터, 동적 장애물, AUV의 키노다이내믹 제약 조건을 통합함으로써 미션의 안전성과 타당성을 향상시킨다.
• 수치 시뮬레이션을 통해 ARMSP 모델이 모든 계층과 종단 간 운영에서 복잡하고 시간에 따라 변화하는 환경을 효과적으로 다룰 수 있음을 확인한다.
• 갑작스러운 환경 변화 상황에서도 미션 목표와 위협 회피를 유지함으로써 재반응성과 적응 가능성의 우수성을 입증한다.