[論文レビュー] Improving Trajectory Optimization using a Roadmap Framework

Siyu Dai, Matthew Orton+3 more|arXiv (Cornell University)|Nov 5, 2018

Robotic Path Planning Algorithms参考文献 13被引用数 4

ひとこと要約

本論文では、スパースなロードマップとTrajOptを用いた軌道最適化を組み合わせることで、高速で実行可能かつ最適なロボット軌道を達成するハイブリッドな運動計画フレームワークを提案する。TrajOptをロードマップが生成した経路で初期化することで、計画時間を1秒未塔に短縮し、単独の計画法と比較して経路の最適性が向上し、衝突率が低下する。実時間ロボットアプリケーションにおいて優れた性能を示している。

ABSTRACT

We present an evaluation of several representative sampling-based and optimization-based motion planners, and then introduce an integrated motion planning system which incorporates recent advances in trajectory optimization into a sparse roadmap framework. Through experiments in 4 common application scenarios with 5000 test cases each, we show that optimization-based or sampling-based planners alone are not effective for realistic problems where fast planning times are required. To the best of our knowledge, this is the first work that presents such a systematic and comprehensive evaluation of state-of-the-art motion planners, which are based on a significant amount of experiments. We then combine different stand-alone planners with trajectory optimization. The results show that the combination of our sparse roadmap and trajectory optimization provides superior performance over other standard sampling-based planners combinations. By using a multi-query roadmap instead of generating completely new trajectories for each planning problem, our approach allows for extensions such as persistent control policy information associated with a trajectory across planning problems. Also, the sub-optimality resulting from the sparsity of roadmap, as well as the unexpected disturbances from the environment, can both be overcome by the real-time trajectory optimization process.

研究の動機と目的

• 実時間ロボット運動計画における、単独のサンプリングベースまたは最適化ベースの計画法の限界を解決すること。
• スパースなロードマップフレームワークに軌道最適化を統合し、解の品質と計画速度を向上させること。
• 事前計算されたロードマップを用いて、複数の計画クエリ間で一貫した制御ポリシー情報を保持すること。
• ロードマップのスパarsityと環境的擾乱による部分最適性を、実時間の軌道最適化によって是正すること。
• 動的擾乱下でも高速な再計画が可能なリアクティブな運動実行システムを実現すること。

提案手法

• フレームワークは、事前計算されたスパースなロードマップを用いて、各計画クエリの初期実行可能経路を生成する。
• TrajOptを用いてロードマップが生成した軌道を最適化し、動的制約、アクチュエータ制限、時間的制約を組み込む。
• ロードマップは、クエリの高速解消が可能な近似最短経路（APSP）の事前計算を用いたPRMに類似したアプローチで構築される。
• TrajOptは凸同士の衝突検査と逐次二次計画法を用い、局所最小値を避ける効率的な軌道最適化を実現する。
• ロードマップから得られる初期軌道が高品質なシードとして機能し、収束速度と解の品質が向上する。
• 動的障害物への対応を可能とするために、実行時におけるロードマップ接続性のインクリメンタルな更新をサポートする。

実験結果

リサーチクエスチョン

• RQ1 スパースなロードマップと軌道最適化を組み合わせた手法が、単独のサンプリングベースまたは最適化ベースの計画法よりも、計画速度、実行可能性、経路最適性の面で優れているか。
• RQ2 ロードマップが生成した軌道をシードとして使用することで、TrajOptの収束性と性能にどのような影響を与えるか。
• RQ3 ロードマップフレームワークが、複数の計画クエリ間で一貫した制御ポリシー情報を保持できる程度はどの程度か。
• RQ4 このハイブリッドシステムは、実時間計画において環境的擾乱や動的障害物をどの程度効果的に処理できるか。
• RQ5 ロードマップで初期化された場合に、TrajOptにおける動的制約と時間的制約の統合が、効果的に活用できるか。

主な発見

• ロードマップで初期化されたTrajOptは、4つのアプリケーションシナリオにおいて5000件のテストケースで平均1秒未塔の計画時間を達成した。
• シェル・ボックス環境において、ロードマップで初期化されたTrajOptでは平均衝突率が0.06%に低下したのに対し、ロードマップ単体では1.98%であった。
• ロードマップで初期化されたTrajOptは、ロードマップ単体と比較して顕著に最適性が向上し、一部のシナリオでは平均経路長が最大33%まで短縮された。
• この組み合わせは、すべてのテスト環境で98%以上の成功率を達成し、RRT*、RRT、LazyPRMと比較して両方の面で優れた速度と信頼性を示した。
• ロードマップのスパarsityに起因する部分最適性や擾乱に対して、実時間最適化が変化に適応し、耐障害性を示した。
• ロードマップ構造を再利用することで、計画クエリ間で一貫した制御ポリシー情報を保持できるようになり、リアクティブな運動実行を可能にした。