[論文レビュー] Generating Large-Scale Trajectories Efficiently using Double Descriptions of Polynomials

Zhepei Wang, Hongkai Ye+2 more|arXiv (Cornell University)|Nov 5, 2020

Robotic Path Planning Algorithms参考文献 22被引用数 7

ひとこと要約

本論文は、多項式軌道の解析的構造（係数と終端微分）を活用することで、線形計算量のフレームワークを提案し、大規模なクアッドロプター軌道最適化を効率的に行う。これにより、1Mセグメントのスケールでも1セグメントあたり1 μsの最小スナップ軌道生成が可能となり、正確で低計算量の勾配計算によりエネルギー時間最適化の最適化を10倍高速化する。

ABSTRACT

For quadrotor trajectory planning, describing a polynomial trajectory through coefficients and end-derivatives both enjoy their own convenience in energy minimization. We name them double descriptions of polynomial trajectories. The transformation between them, causing most of the inefficiency and instability, is formally analyzed in this paper. Leveraging its analytic structure, we design a linear-complexity scheme for both jerk/snap minimization and parameter gradient evaluation, which possesses efficiency, stability, flexibility, and scalability. With the help of our scheme, generating an energy optimal (minimum snap) trajectory only costs 1 $μs$ per piece at the scale up to 1,000,000 pieces. Moreover, generating large-scale energy-time optimal trajectories is also accelerated by an order of magnitude against conventional methods.

研究の動機と目的

• 係数ベースと微分ベースの多項式軌道表現間の数値的変換における非効率性と不安定性を解消する。
• 大規模なクアッドロプターミッションにおける、軌道係数とセグメント時間のスケーラブルかつ高パフォーマンスな最適化を可能にする。
• 動的制約および安全制約下での直接最適化を可能にするために、ウェイポイントおよびセグメント時間の正確で低計算量の勾配を提供する。
• 滑らかさと制約の満たしを保証する、柔軟でオープンソースのフレームワークを提供し、リアルタイムで大規模な軌道生成を実現する。
• 摂動に基づく勾配や固定時間割り当てに依存する従来手法の限界を克服する。

提案手法

• 係数ベースと終端微分ベースの多項式軌道記述の間で、解析的かつ微分同相な変換を導出することで、数値的不安定性を排除する。
• 冗長な変換ステップを回避することで、最小ジャーブ/スナップ軌道計算の線形計算量アルゴリズムを設計する。
• 変換の滑らかさを活用し、ウェイポイントおよびセグメント時間の正確な解析的勾配を定式化することで、直接最適化を可能にする。
• 安全制約および動的制約（速度、加速度制限）のためのバリア関数とペナルティ項を統合し、制約違反時に多面体制約を適応的に分割する。
• 全コスト関数（時間およびウェイポイントパラメータを含む）の効率的な非線形最適化のため、L-BFGSに強いホーク条件を適用する。
• 動的制約の精密化戦略を実装：軌道セグメントが安全または動的制限に違反した場合、対応する多面体を分割し、中間ウェイポイントを追加し、ペナルティ係数を増加させる。

実験結果

リサーチクエスチョン

• RQ1 係数ベースと微分ベースの多項式軌道表現間の変換を解析的に特徴づけることで、数値的不安定性と計算オーバーヘッドを排除できるか？
• RQ2 変換ステップによる冗長計算を回避する線形計算量のアルゴリズムを、最小ジャーブ/スナップ軌道生成に向け設計できるか？
• RQ3 ウェイポイントおよびセグメント時間の正確で低計算量の勾配を導出でき、複雑な制約下での直接最適化を可能にするか？
• RQ4 従来手法と比較して、本フレームワークは大規模な軌道生成（例：100万セグメント）において、パフォーマンスと正確性の両面でどのようにスケーリングするか？
• RQ5 計算効率と軌道の滑らかさを維持しながら、安全制約および動的制約を効率的に処理できるか？

主な発見

• 提案手法による最小スナップ軌道生成は、100万セグメントに達する大規模スケールでも1セグメントあたりわずか1 μsの実行時間で達成された。
• 本フレームワークは、ベンチマーク手法であるTeach-Repeat-Replanと比較して、エネルギー時間最適化の最適化を10倍高速化し、標準的なトンネルベンチマークで計算時間を7.70秒から0.43秒に短縮した。
• ウェイポイントおよびセグメント時間の正確な解析的勾配のおかげで、摂動に基づく近似に依存せずに安全制約および動的制約下での直接最適化が可能となった。
• 本手法は高い軌道品質を維持しており、同じトンネルベンチマークでエネルギー時間コストが3269.76対2643.43と、ベンチマーク手法を上回った。
• 適応的多面体分割とペナルティ係数調整による制約処理は実際のシミュレーションで効果的であり、ほとんど必要とされないことが確認された。
• オープンソース実装（https://github.com/ZJU-FAST-Lab/large_scale_traj_optimizer）により、再現性が確保され、既存の計画パイプラインへの統合が可能となった。