[논문 리뷰] Mapless-Planner: A Robust and Fast Planning Framework for Aggressive Autonomous Flight without Map Fusion

Jialin Ji, Zhepei Wang외 3명|arXiv (Cornell University)|2020. 11. 08.

Robotic Path Planning Algorithms참고 문헌 16인용 수 5

한 줄 요약

이 논문은 지도 융합 없이 고속 비행을 위한 경량의 지도 없는 운동 계획 프레임워크인 Mapless-Planner을 제안한다. 이는 새로운 데이터 구조(PicoMap)와 샘플링 기반의 자유공간 스켈레톤 추출 기법(Forward Spanning Tree)을 사용해 원시이고 융합되지 않은 센서 데이터에서 환경의 구조를 직접 추출한다. 스마트 웨이포인트 삽입 전략을 통해 고품질의 궤적 생성을 실현하며, 지도 융합 없이도 혼잡한 환경에서 기존의 지도 없는 방법보다 재계획 수립의 일관성과 성공률을 크게 향상시킨다.

ABSTRACT

Maintaining a map online is resource-consuming while a robust navigation system usually needs environment abstraction via a well-fused map. In this paper, we propose a mapless planner which directly conducts such abstraction on the unfused sensor data. A limited-memory data structure with a reliable proximity query algorithm is proposed for maintaining raw historical information. A sampling-based scheme is designed to extract the free-space skeleton. A smart waypoint selection strategy enables to generate high-quality trajectories within the resultant flight corridors. Our planner differs from other mapless ones in that it can abstract and exploit the environment information efficiently. The online replan consistency and success rate are both significantly improved against conventional mapless methods.

연구 동기 및 목표

• 지도 융합에 의존하지 않는 경량의 지도 없는 계획 프레임워크를 개발하여 공격적인 자율 비행을 가능하게 한다.
• 기존의 지도 없는 계획자들이 환경의 추상화 부족으로 인해 발생하는 단기 시야, 노이즈 민감도, 일관성 없는 재계획 수립 등의 한계를 극복한다.
• 융합되지 않은 깊이 및 강도 데이터에서 직접 자유공간 스켈레톤과 비행 통로를 추출하여 견고하고 효율적인 궤적 생성을 가능하게 한다.
• NanoMap와 RAPPIDS와 같은 최첨단 지도 없는 방법들과 비교해 복잡한 혼잡한 환경에서 온라인 재계획의 일관성과 성공률을 향상시킨다.

제안 방법

• 제한된 메모리 데이터 구조인 PicoMap를 제안한다. 이는 적응적 다운샘플링과 재설계된 근접 쿼리 인터페이스를 통해 원시 역사 센서 데이터를 압축 저장하고 정확하고 신뢰할 수 있는 쿼리를 보장한다.
• 자유공간 스켈레톤을 추출하고 구형 비행 통로를 직접 융합되지 않은 깊이 데이터에서 생성하는 샘플링 기반 알고리즘인 Forward Spanning Tree(FST)를 도입한다. 이는 전체 근접 쿼리 정보를 활용해 환경의 추상화를 실현한다.
• 동적 성능와 가능성을 유지하면서 생성된 통로에 궤적을 억제하는 중간 웨이포인트를 삽입하는 스마트 웨이포인트 선택 전략을 적용한다.
• 기존 최적화 방법 [9]을 활용해 최소한의 계산 비용으로 고품질의 동적 가능 궤적을 효율적으로 생성하는 경량 궤적 생성기를 사용한다.
• 센서 데이터를 실시간으로 처리해 온라인 재계획 수립이 가능하도록, 지도 융합을 유지하지 않는 모듈식 프레임워크에 구성 요소들을 통합한다.
• 자리 위치 불확실성 처리 기능을 갖춘 k-d 트리 기반의 근접 쿼리 시스템을 사용하며, 코너 케이스에서의 정확도를 향상시키고 거리 및 방향 데이터의 활용도를 개선한다.

실험 결과

연구 질문

• RQ1 지도 융합을 유지하지 않으면서도 안정적이고 일관된 온라인 재계획 수립이 가능한가?
• RQ2 융합되지 않은 센서 데이터에서 환경의 구조를 효과적으로 추상화해 고품질 궤적 생성이 가능한가?
• RQ3 직접 추상화 기반의 지도 없는 계획자가 지도 기반 또는 기존 지도 없는 방법들과 비교해 혼잡한 환경에서 성공률과 계획 속도 측면에서 어떤 성능을 보이는가?
• RQ4 스마트 웨이포인트 선택 전략이 동적 가능성을 유지하면서도 궤적 계산 비용을 크게 줄일 수 있는가?

주요 결과

• 기준 시뮬레이션에서 NanoMap 대비 평균 목표 도달 시간이 19% 빠르게 나타나 효율성이 향상됨을 입증했다.
• 혼잡한 환경에서 제안된 방법의 성공률은 RAPPIDS와 NanoMap보다 뚜렷이 높았으며, RAPPIDS는 좁은 통로를 통과하지 못했고, NanoMap는 잘못된 장애물 거리 추정으로 인해 성공률이 낮았다.
• 성공적인 궤적 생성의 80% 이상에서 추가 웨이포인트가 하나 이하로 삽입되었으며, 이는 웨이포인트 선택 전략의 높은 효율성을 시사한다.
• k-d 트리 구축, FST 생성, 궤적 생성의 평균 계산 시간은 각각 3.24ms, 0.98ms, 0.26ms였으며, 이 중 절반 이상의 시간이 이미지 픽셀 접근에 소요되었다.
• FST에서 200개의 샘플링 포인트를 사용할 경우 도착 시간 향상도 더 이상 민감하지 않게 되어, 일반 환경에서 효과적인 계획을 위해 200개의 샘플이 충분함을 시사한다.
• 프레임워크는 동적이고 복잡한 환경에서도 높은 재계획 일관성과 견고성을 유지하며, 안전성과 공격성 측면에서 기존의 지도 없는 방법들을 능가한다.