[論文レビュー] RAPTOR: Robust and Perception-aware Trajectory Replanning for Quadrotor Fast Flight

Boyu Zhou, Jie Pan+2 more|arXiv (Cornell University)|Jul 6, 2020

Robotic Path Planning Algorithms参考文献 46被引用数 19

ひとこと要約

RAPTORは、時間的制約が厳しい状況下でも実行可能で高品質な軌道を保証する、ロバストで知覚に配慮した高速なクアッドロプター飛行のための軌道再計画フレームワークである。パスガイドド最適化とトポロジカルパス計画を組み合わせることで、限られた時間内に効果的に最適化を達成する。リスクに配慮した軌道精錬と能動的知覚のためのヨー角計画を統合することで、未知の障害物を早期に検出可能となり、複雑で混雑した環境下での安全性と性能が著しく向上した。3.41 m/sの速度まで達した屋内外の広範な飛行実験により、有効性が検証された。

ABSTRACT

Recent advances in trajectory replanning have enabled quadrotor to navigate autonomously in unknown environments. However, high-speed navigation still remains a significant challenge. Given very limited time, existing methods have no strong guarantee on the feasibility or quality of the solutions. Moreover, most methods do not consider environment perception, which is the key bottleneck to fast flight. In this paper, we present RAPTOR, a robust and perception-aware replanning framework to support fast and safe flight. A path-guided optimization (PGO) approach that incorporates multiple topological paths is devised, to ensure finding feasible and high-quality trajectories in very limited time. We also introduce a perception-aware planning strategy to actively observe and avoid unknown obstacles. A risk-aware trajectory refinement ensures that unknown obstacles which may endanger the quadrotor can be observed earlier and avoid in time. The motion of yaw angle is planned to actively explore the surrounding space that is relevant for safe navigation. The proposed methods are tested extensively. We will release our implementation as an open-source package for the community.

研究の動機と目的

• 既存の手法が時間的制約と知覚への配慮の欠如により失敗する、未知で混雑した環境下でのロバストで高速な軌道再計画の課題に対処すること。
• 最適化に複数のトポロジカルに異なるパスを活用することで、計算リソースが限られた状況下でも軌道の実行可能性と品質を向上させること。
• 能動的知覚による計画を実施することで、遮蔽された空間を戦略的に探索し、未知の障害物を早期に検出することで、高速飛行における安全性を向上させること。
• ロバストな再計画と能動的知覚を統合したシステムを開発し、複雑な屋内および屋外環境における信頼性の高い自律飛行を実現すること。

提案手法

• 幾何的ガイドパスを用いるパスガイドド最適化（PGO）フレームワークは、局所最適解からの脱出を可能にするとともに、制限時間内に実行可能な軌道解を保証する。
• オンラインでのトポロジカルパス計画により、トポロジカルに異なる複数のパスを抽出し、並列での軌道最適化をガイドすることで、解空間の探索を強化する。
• リスクに配慮した軌道精錬戦略により、危険な未知領域への可視性を強制し、安全な反応距離を確保することで、最後一刻での驚きを回避する。
• ヨー角は2段階のフレームワークにより明示的に計画される：最適な情報量と滑らかさを求める離散探索、その後に続く連続最適化により、遮蔽された空間の能動的探索を可能にする。
• グローバル計画、状態推定、マッピング、制御と統合することで、実機クアッドロプター上でエンドツーエンドの自律飛行を実現する。
• フレームワークはコミュニティ利用を想定し、オープンソースパッケージとして実装されており、攻撃的飛行シナリオにおけるリアルタイム性能をサポートする。

実験結果

リサーチクエスチョン

• RQ1 高速クアッドロプター飛行において、厳密な時間的制約下で、どのようにしてロバストかつ効率的な軌道再計画を実現できるか？
• RQ2 トポロジカルパスの多様性は、複雑な環境下での最適化された軌道の品質と実行可能性をどのように向上させるか？
• RQ3 障害物が未知で遮蔽されている高速飛行において、能動的知覚は安全性をどのように向上させるか？
• RQ4 ヨー運動をどのように戦略的に計画することで、危険な未マップ領域の可視性を最大化し、状況認識を向上させられるか？
• RQ5 密度が高く未知な環境下で、知覚に配慮した計画は、知覚に配慮しない手法に比べてどの程度優れているか？

主な発見

• RAPTORは、最大速度3.41 m/sの屋外の森や2.90 m/sの屋内環境で、両方の速度と安全性において最先端の手法を上回る一貫した成功を収めた。
• 密度の高い森環境では、46.85 mの飛行を21.91秒で完了し、平均速度2.14 m/sを記録した。非構造的で遮蔽された環境下でも、ロバスト性を示した。
• 知覚に配慮した戦略により、危険な未知領域への可視性を確保することで、最後一刻での障害物衝突リスクが低減され、早期回避が可能になった。
• ヨー角計画の統合により、情報量と可視性が向上し、知覚に配慮しない手法よりも障害物を早期に検出可能となった。
• ベンチマーク比較では、特に高密度環境下で、EWOK や RE Traj などの手法を成功率と解の質の両面で上回った。
• 実環境での実験において、攻撃的飛行の屋内および屋外実験でクラッシュが一切発生しなかった。これは、ロバストな最適化と知覚への配慮の組み合わせのおかげである。