[논문 리뷰] Learning to Model and Plan for Wheeled Mobility on Vertically Challenging Terrain

Aniket Datar, Chenhui Pan외 1명|arXiv (Cornell University)|2023. 06. 20.

Soil Mechanics and Vehicle DynamicsEngineering인용 수 3

한 줄 요약

이 논문은 3차원 차량-지면 전진 역학을 SE(3)에서 학습함으로써 수직적으로 도전적인 지형에서 휠드 로봇의 운동을 모델링하고 계획하는 학습 기반 접근법을 제안한다. 3차원 계획에서 새로운 비용 함수를 도입한 wm-vct 플래너는 두 대의 휠드 로봇에서 복잡한 오프로드 환경에서 기준선 대비 최대 60% 높은 주행 성공률을 달성했으며, 불안정한 차체 롤 및 피치를 46% 감소시켰다.

ABSTRACT

Most autonomous navigation systems assume wheeled robots are rigid bodies and their 2D planar workspaces can be divided into free spaces and obstacles. However, recent wheeled mobility research, showing that wheeled platforms have the potential of moving over vertically challenging terrain (e.g., rocky outcroppings, rugged boulders, and fallen tree trunks), invalidate both assumptions. Navigating off-road vehicle chassis with long suspension travel and low tire pressure in places where the boundary between obstacles and free spaces is blurry requires precise 3D modeling of the interaction between the chassis and the terrain, which is complicated by suspension and tire deformation, varying tire-terrain friction, vehicle weight distribution and momentum, etc. In this paper, we present a learning approach to model wheeled mobility, i.e., in terms of vehicle-terrain forward dynamics, and plan feasible, stable, and efficient motion to drive over vertically challenging terrain without rolling over or getting stuck. We present physical experiments on two wheeled robots and show that planning using our learned model can achieve up to 60% improvement in navigation success rate and 46% reduction in unstable chassis roll and pitch angles.

연구 동기 및 목표

• 장애물이 자유 공간과 명확히 분리되지 않는 수직적으로 도전적인 지형에서 전통적인 2차원 강체 운동 계획의 한계를 해결하기 위해.
• 스프링 변형, 타이어-지면 마찰력, 동적 무게 분포를 포함한, 휠드 로봇과 3차원 지면 간의 복잡하고 비강체적 상호작용을 모델링하기 위해.
• 바위나 쓰러진 나무와 같은 이전에는 통과할 수 없었던 장애물을 안정적이고 효율적이며 충돌 없는 방식으로 통과할 수 있도록 계획 프레임워크를 개발하기 위해.
• 학습 데이터와 다른 지형 특성을 가진 새로운 외부 환경으로의 일반화를 가능하게 하기 위해.

제안 방법

• 현재 차량 상태, 제어 입력, 지형 고도 지도를 기반으로 SE(3)에서 6-자유도 차량 상태 궤적을 예측할 수 있도록 데이터 기반 전진 역학 모델을 학습한다.
• wm-vct 플래너는 학습된 역학 모델을 통해 궤적 롤아웃을 수행하는 샘플링 기반의 후행-수렴 계획 방식을 사용한다.
• 높은 롤 및 피치 각도와 잠재적 정지 가능성을 방지하기 위해 설계된 새로운 3차원 비용 함수를 통해 계획 중 안정성을 증진시킨다.
• 학습된 역학 모델을 RRT*-기반 운동 계획기와 통합하여 실현 가능하고 안정적이며 효율적인 궤적을 생성한다.
• 두 대의 휠드 로봇 플랫폼(V6W 및 V4W)을 대상으로 제어된 실험대 및 실제 외부 환경에서 평가를 수행한다.
• 학습된 모델은 미세조정 없이도 새로운 외부 지형으로 일반화되며, 분포를 벗어난 지형 특성에 대해 강건함을 입증한다.

Figure 1: Front and side view (1st and 2nd row) of a wheeled robot navigating vertically challenging terrain: (from left to right) large roll angle, stable chassis, suspended wheel, roll-over, and get-stuck.

실험 결과

연구 질문

• RQ1 SE(3)에서 학습된 전진 역학 모델이 스프링 변형 및 타이어 변형을 포함한 복잡한 3차원 지형에서 휠드 로봇의 운동을 정확히 예측할 수 있는가?
• RQ2 3차원 역학을 비용 함수에 통합함으로써 2차원 강체 가정 대비 수직적으로 도전적인 지형에서 안정성과 성공률이 어떻게 향상되는가?
• RQ3 학습된 모델이 훈련 데이터에 존재하지 않는 큰 비정형 장애물을 가진 새로운 외부 환경으로 얼마나 잘 일반화되는가?
• RQ4 실제 오프로드 환경에서 기존 기준선(예: 행동 복제 및 기타 최첨단 플래너)에 비해 wm-vct 플래너의 성능과 안정성은 어떻게 비교되는가?

주요 결과

• wm-vct 플래너는 실험대 환경의 세 가지 난이도 수준에서 V6W 및 V4W 로봇 모두에서 가장 우수한 기준선(행동 복제) 대비 최대 60% 높은 주행 성공률을 달성했다.
• wm-vct 플래너는 행동 복제 대비 불안정한 차체 롤 및 피치 각도를 최대 46% 감소시켰으며, 특히 중간 및 어려운 환경에서 두드러졌다.
• 어려운 실험대 환경에서 행동 복제는 다섯 번의 시도 중 네 번이 롤오버 또는 정지로 실패했지만, wm-vct는 다섯 번의 시도 중 네 번 성공했다.
• 기계적 능력이 떨어지는 4륜 구동 V4W 플랫폼에서도 wm-vct는 성공률 및 안정성 지표에서 행동 복제를 능가했다.
• 큰 비정형 암석이 있는 새로운 외부 지형에서는 wm-vct가 성공적으로 통과했고, 행동 복제는 과도한 롤 각도로 인해 롤오버로 실패했다.
• 외부 환경 시범 운영 결과, wm-vct는 이전에는 통과할 수 없었던 장애물에서도 안정적인 주행을 가능하게 했으며, 행동 복제의 경우 과도하게 공격적이고 불안정한 궤적 때문에 실패했다.

Figure 2: 2D navigation in $\mathbb{SE}(2)$ vs. 3D, 6-DoF navigation on vertically challenging terrain in $\mathbb{SE}(3)$ .