[논문 리뷰] FIESTA: Fast Incremental Euclidean Distance Fields for Online Motion Planning of Aerial Robots

Luxin Han, Fei Gao외 2명|arXiv (Cornell University)|2019. 03. 06.

Robotic Path Planning Algorithms인용 수 6

한 줄 요약

FIESTA는 항공기 로봇을 위한 실시간 운동 계획에서 빠르고 점진적인 유클리드 부호 거리 필드(ESDF) 매핑 시스템을 제안한다. 별도의 삽입/삭제 큐, 최적화된 색인 데이터 구조, 최소 노드 BFS 업데이트 전략을 사용함으로써, 기존 방법들인 Voxblox에 비해 수개의 순서만큼 빠른 성능과 더 높은 정확도를 달성하여, 자율 비행기에서의 효율적인 차량 내 계획 수행을 가능하게 한다.

ABSTRACT

Euclidean Signed Distance Field (ESDF) is useful for online motion planning of aerial robots since it can easily query the distance and gradient information against obstacles. Fast incrementally built ESDF map is the bottleneck for conducting real-time motion planning. In this paper, we investigate this problem and propose a mapping system called FIESTA to build global ESDF map incrementally. By introducing two independent updating queues for inserting and deleting obstacles separately, and using Indexing Data Structures and Doubly Linked Lists for map maintenance, our algorithm updates as few as possible nodes using a BFS framework. Our ESDF map has high computational performance and produces near-optimal results. We show our method outperforms other up-to-date methods in term of performance and accuracy by both theory and experiments. We integrate FIESTA into a completed quadrotor system and validate it by both simulation and onboard experiments. We release our method as open-source software for the community.

연구 동기 및 목표

• 자율 항공기 로봇을 위한 온라인 운동 계획에서 실시간 ESDF 지도 유지를 위한 성능 저하 문제를 해결한다.
• TSDF에 의존하여 준유클리드 근사 오차와 높은 계산 비용을 야기하는 기존 방법들(예: Voxblox)의 한계를 극복한다.
• 점진적 업데이트에 최소한의 계산 오버헤드를 가지며 경량화되고 유연하며 전역적으로 일관된 ESDF 매핑 프레임워크를 개발한다.
• 자원 제약이 있는 큐드로터에 적합한 실시간, 고정확도 ESDF 업데이트를 가능하게 한다.
• 매핑 시스템을 완전한 자율 큐드로터 시스템에 통합하고 시뮬레이션 및 실제 환경 실험을 통해 검증한다.

제안 방법

• 장애물 삽입과 삭제를 위한 별도의 업데이트 큐 두 개를 도입하여 업데이트 프로세스를 분리하고 최적화한다.
• 색인 데이터 구조(예: 가변 블록 크기 설정이 가능한 해시 테이블)와 이중 연결 리스트를 사용하여 볼록체 상태 및 업데이트 전파를 효율적으로 관리한다.
• 최소한의 필수 노드만 확장하는 BFS 기반 업데이트 알고리즘을 설계하여 재귀적 계산을 줄이고 정확도를 유지한다.
• 24-연결성(면, 모서리, 2단계 면)을 사용하여 정확도와 성능 사이의 균형을 이루며, 낮은 연결성 대안들에 비해 오차를 최소화한다.
• 특정 지도 유형(예: TSDF 또는 점유 지도)에 종속되지 않는 ESDF 계산을 분리하여 다양한 매핑 프레임워크와의 호환성을 확보한다.
• 공간 국소성과 BFS 탐색 중 조기 종료를 활용하여 업데이트 프로세스를 최적화하고, 중복된 거리 재계산을 최소화한다.

실험 결과

연구 질문

• RQ1 실시간 운동 계획을 위한 고정확도를 유지하면서 계산 비용을 최소화하는 점진적 ESDF 지도 업데이트는 어떻게 수행할 수 있는가?
• RQ2 점진적 ESDF 업데이트 중 재귀적 노드 확장을 최소화할 수 있는 데이터 구조와 업데이트 전략는 무엇인가?
• RQ3 연결성 선택(예: 6-, 18-, 24-, 26-, 32-연결성)이 정확도와 계산 성능 간의 트레이드오프에 어떻게 영향을 미치는가?
• RQ4 특정 지도 표현 방식(예: TSDF 또는 점유 지도)에 종속되지 않으면서도 고정확도를 달성할 수 있는 매핑 시스템을 설계할 수 있는가?
• RQ5 실제 환경과 시뮬레이션 환경 모두에서 최신 기술인 Voxblox에 비해 제안된 방법이 속도와 정확도 측면에서 얼마나 뛰어나게 성능을 발휘하는가?

주요 결과

• FIESTA는 테스트 데이터셋에서 Voxblox에 비해 업데이트 속도와 정확도 모두 수개의 순서만큼 향상되었으며, RMS 오차가 최대 10배까지 감소하였다.
• block_size=8로 설정한 해시 테이블이 시간 복잡도와 공간 복잡도 사이의 최적 균형을 이룩하여, 배열 기반 및 다른 블록 크기 설정보다 뛰어난 성능을 보였다.
• 24-연결성 설정이 모든 테스트된 연결성 중에서 정확도(가장 낮은 RMS 오차)와 계산 비용 사이의 최적 균형을 이룬다.
• 이중 코어 3.00GHz 인텔 i7 프로세서에서 FIESTA의 전역 ESDF 지도는 20ms 이내로 업데이트되어 실시간 차량 내 계획에 적합한 20Hz 업데이트 주기를 달성하였다.
• VLP-16 라이다를 장착한 큐드로터를 이용한 차량 내 실험을 통해 FIESTA가 미지의 혼잡한 환경에서 신뢰할 수 있는 실시간 운동 계획을 가능하게 했다.
• 시스템은 완전한 자율 큐드로터 파이프라인에 성공적으로 통합되었으며, 시뮬레이션 및 실제 비행 실험을 통해 검증되어 강건성과 확장성을 입증하였다.