[논문 리뷰] Source Seeking in Unknown Environments with Convex Obstacles

Bruno Augusto Angélico, Luiz F. O. Chamon외 3명|arXiv (Cornell University)|2019. 09. 16.

Extremum Seeking Control Systems인용 수 1

한 줄 요약

이 논문은 볼록 장애물이 있는 미지의 혼잡한 환경에서 자율 에이전트를 위한 소스 탐색 방법을 제안한다. 이 방법은 유일하게 스칼라 포텐셜 측정값과 사인파 극값 탐색 제어(ESC)를 사용하여 온라인으로 구축된 인공 포텐셜을 최소화한다. 이 접근법은 장애물의 사전 지식이나 기울기 정보가 없더라도 충돌 없는 수렴을 보장한다.

ABSTRACT

Navigation tasks often cannot be defined in terms of a target, either because global position information is unavailable or unreliable or because target location is not explicitly known a priori. This task is then often defined indirectly as a source seeking problem in which the autonomous agent navigates so as to minimize the convex potential induced by a source while avoiding obstacles. This work addresses this problem when only scalar measurements of the potential are available, i.e., without gradient information. To do so, it construct an artificial potential over which an exact gradient dynamics would generate a collision-free trajectory to the target in a world with convex obstacles. Then, leveraging extremum seeking control loops, it minimizes this artificial potential to navigate smoothly to the source location. We prove that the proposed solution not only finds the source, but does so while avoiding any obstacle. Numerical results with velocity-actuated particles, simulations with an omni-directional robot in ROS+Gazebo, and a robot-in-the-loop experiment are used to illustrate the performance of this approach.

연구 동기 및 목표

• 전역 위치가 제공되지 않으며 유일하게 스칼라 포텐셜 측정값만 이용 가능한 환경에서의 소스 탐색 문제를 해결하기 위해.
• 장애물의 위치에 대한 사전 지식이 없이도, 볼록 장애물이 있는 비볼록 공간을 안전하게 통과할 수 있도록 보장하기 위해.
• 지역적 스칼라 센서 데이터만을 사용하여 소스로의 수렴을 보장하면서 충돌을 피할 수 있는 제어 전략을 개발하기 위해.
• 기울기 측정값에 의존하지 않도록 극값 탐색 제어를 활용하여 실시간 포텐셜 최소화를 달성하기 위해.
• 시뮬레이션, Gazebo/ROS 환경, 실제 로봇 인-더-루프 실험을 통해 방법의 타당성을 검증하기 위해.

제안 방법

• 소스 포텐셜의 스칼라 측정값과 볼록 장애물에 대한 부분적인 지식을 바탕으로 온라인으로 인공 항법 함수(NF)를 구축한다.
• 기울기 측정값이 필요 없이 인공 포텐셜을 최소화하기 위해 사인파 극값 탐색 제어(ESC) 루프를 적용한다.
• 비볼록 자유 공간에서의 전역 수렴과 장애물 회피를 보장하기 위해 Koditschek-Rimon 항법 함수 프레임워크를 사용한다.
• 탐색 중에 새로운 장애물을 감지할 경우 실시간으로 항법 함수를 동적으로 갱신한다.
• 주기적인 펌핑과 단일 위상 감지 방식을 통해 기울기 추정을 수행하는 기울기 무관 최적화 전략을 구현한다.
• 검증을 위해 속도 제어 입자, 올리어터디셔널 로봇(ROS+Gazebo), 실제 트리플 올리어터디셔널 휠 로봇에 이 방법을 통합한다.

실험 결과

연구 질문

• RQ1 로봇이 기울기 정보 없이 스칼라 포텐셜 측정값만을 사용하여, 볼록 장애물이 있는 미지의 환경에서 소스로 이동할 수 있는가?
• RQ2 극값 탐색 제어 루프가 지역 측정값으로부터 구축된 인공 포텐셜을 효과적으로 최소화하여 소스 탐색을 달성할 수 있는가?
• RQ3 장애물의 위치를 사전에 알지 못하는 상황에서도 제안된 방법이 충돌 없는 수렴을 보장하는가?
• RQ4 동적 장애물 감지 및 실시간 항법 함수 갱신 상황에서 시스템 성능은 어떻게 되는가?
• RQ5 제한된 센서 및 구동 능력을 갖춘 실제 로봇에 이 방법을 성공적으로 구현할 수 있는가?

주요 결과

• 제안된 방법은 장애물 사전 지식 없이도 모든 시험 환경에서 에이전트가 소스 위치로 안내되는 데 성공했다.
• Neobotix MPO-500 로봇을 사용한 Gazebo 시뮬레이션에서, 다섯 장애물 중 세 개만 사전에 알려진 상태에서도 충돌 없이 소스에 도달했다.
• 실제 트리플 올리어터디셔널 휠 로봇을 사용한 로봇 인-더-루프 실험에서, 정리 1의 이론적 가정을 위반함에도 불구하고 성공적인 소스 탐색을 달성했다.
• 최대 선속도 0.6 m/s 제약 조건 하에서도 수렴이 이루어져 실용적 제약 조건 하에서의 강건성을 확인했다.
• 항법 함수의 등치선 상에서의 궤적은 매끄럽고 기울기 따라 움직이는 행동을 보여, 효과적인 포텐셜 최소화가 이루어졌음을 확인했다.
• 고조도 제어 및 정규화된 포텐셜 스케일링 조건에서도 안정성과 성능을 유지하여 실용적 타당성을 입증했다.