[논문 리뷰] Elevation Mapping for Locomotion and Navigation using GPU

Takahiro Miki, Lorenz Wellhausen외 4명|arXiv (Cornell University)|2022. 04. 27.

Robotic Path Planning Algorithms인용 수 8

한 줄 요약

이 논문은 자율 보행 로봇을 위한 GPU 가속화된 고도 맵핑 프레임워크를 제안하며, 향상된 정확도와 강건성으로 실시간 지형 인식을 가능하게 한다. GPU 기반의 포인트 클라우드 처리, 고도 드리프트 보정, 레이캐스팅을 통한 가시성 정리, 통합된 후처리(예: 이동 가능성 평가, 평탄화, 평면 분할)를 통해 시스템은 탐색과 인지적 보행 모두를 지원하며, DARPA 지하 환경 챌린지 및 4족 보행 실험에서 성능을 입증하였다.

ABSTRACT

Perceiving the surrounding environment is crucial for autonomous mobile robots. An elevation map provides a memory-efficient and simple yet powerful geometric representation for ground robots. The robots can use this information for navigation in an unknown environment or perceptive locomotion control over rough terrain. Depending on the application, various post processing steps may be incorporated, such as smoothing, inpainting or plane segmentation. In this work, we present an elevation mapping pipeline leveraging GPU for fast and efficient processing with additional features both for navigation and locomotion. We demonstrated our mapping framework through extensive hardware experiments. Our mapping software was successfully deployed for underground exploration during DARPA Subterranean Challenge and for various experiments of quadrupedal locomotion.

연구 동기 및 목표

• 고속 포인트 클라우드 처리가 필요한 민첩한 보행 로봇에 적합한 CPU 기반 고도 맵핑의 한계를 해결하기 위해.
• 센서 드리프트와 가림 현상으로 인한 잡음 요소를 줄여 실세계 적용에서 맵의 신뢰성을 향상시키기 위해.
• 인지적 보행에 적합한 후처리 기능(예: 이동 가능성 추정, 평탄화, 평면 분할)을 통합하여 향상된 제어 성능를 달성하기 위해.
• 어려운 환경에서도 실시간으로 고해상도 지형 표현을 제공하여 탐색 및 보행 제어 모두에 활용 가능하게 하기 위해.
• 센서 오차와 환경적 가림 현상에 강건한 특성을 확보하여 지하 임무와 같은 극한 조건에서도 구현 가능하도록 지원하기 위해.

제안 방법

• CPU 기반 기준 대비 처리량을 크게 향상시키기 위해 GPU 기반 병렬 처리를 활용해 포인트 클라우드 정렬 및 레이캐스팅을 가속화하였다.
• 특히 미끄러짐 발생 시에 발생하는 다리 오도메트리 오차로 인한 수직 드리프트를 보정하기 위해 고도 드리프트 보정 기법을 구현하였다.
• 오버행된 장애물로 인한 가상의 아티팩트를 제거하기 위해 레이캐스팅 기반의 가시성 정리 기법을 적용하였다.
• 로봇이 장애물에 너무 가까이 있을 경우 잘못된 맵 갱신을 방지하기 위해 배제 영역 메커니즘을 도입하였다.
• 기하학적 특징(예: 기울기, 거칠기)을 기반으로 지역적 특징에서 이동 가능성 점수를 계산하는 학습 기반 이동 가능성 필터를 도입하였다.
• 다양한 계획 및 제어 작업을 지원하기 위해 원본, 복원, 평탄화, 상한선 레이어를 포함한 다층 고도 맵 출력 기능을 통합하였다.

실험 결과

연구 질문

• RQ1 GPU 가속화는 다이나믹하고 복잡한 지형에서 보행 로봇의 고도 맵핑의 실시간 성능을 어떻게 향상시킬 수 있는가?
• RQ2 장시간 보행 중 오도메트리 드리프트로 인한 맵 아티팩트를 줄이기 위해 효과적인 기법은 무엇인가?
• RQ3 오버행된 구조물로 인한 가시성 및 가림 아티팩트를 어떻게 줄여 지형 인식의 안전성을 향상시킬 수 있는가?
• RQ4 통합된 후처리 기능(예: 이동 가능성, 평탄화, 평면 분할)이 인지적 보행 제어 성능에 어느 정도 기여하는가?
• RQ5 제안된 고도 맵핑 프레임워크는 지하 동굴과 같은 실제 비정형 환경에서 탐색 및 보행 작업을 신뢰성 있게 지원할 수 있는가?

주요 결과

• GPU 기반 가속화 파이프라인은 CPU 기반 기준 대비 훨씬 빠른 처리 속도를 확보하여 고해상도 포인트 클라우드에서도 실시간 고도 맵핑을 가능하게 하였다.
• 고도 드리프트 보정 기법은 맵의 수직 아티팩트를 감소시켜 보다 부드러운 보행과 강화 학습 기반 제어기 성능 향상에 기여하였다.
• 레이캐스팅 기반의 가시성 정리 기법은 오버행된 장애물로 인한 가상의 벽을 효과적으로 제거하여 경로 계획의 신뢰도를 향상시켰다.
• 이동 가능성 및 상한선 레이어 통합으로 기울어진 경로와 가림 영역에서도 안전한 탐색이 가능했으며, DARPA 지하 환경 챌린지에서 이를 입증하였다.
• 이 프레임워크는 다양한 지형과 장시간 임무에서 모델 기반 및 학습 기반 보행 제어기 모두를 성공적으로 지원하였다.
• 시스템은 DARPA 지하 환경 챌린지 기간 동안 실제 운영에 투입되어, 복잡한 기하학적 구조와 제한된 시야를 가진 실세계 지하 환경에서도 강건성을 입증하였다.