[论文解读] Efficient Reciprocal Collision Avoidance between Heterogeneous Agents Using CTMAT

Yuexin Ma, Dinesh Manocha+1 more|arXiv (Cornell University)|Apr 7, 2018

Robotic Path Planning Algorithms参考文献 40被引用 6

一句话总结

本文提出CTMAT，一种基于中轴的异质代理表示方法，可实现高效、非保守的互惠碰撞避让。通过将代理建模为圆弧与线段的组合，并利用预计算的闵可夫斯基和，MATRVO算法实现了与圆形/椭圆形方法相当的实时性能，同时在密集场景中将误报率降低了高达90%。

ABSTRACT

We present a novel algorithm for reciprocal collision avoidance between heterogeneous agents of different shapes and sizes. We present a novel CTMAT representation based on medial axis transform to compute a tight fitting bounding shape for each agent. Each CTMAT is represented using tuples, which are composed of circular arcs and line segments. Based on the reciprocal velocity obstacle formulation, we reduce the problem to solving a low-dimensional linear programming between each pair of tuples belonging to adjacent agents. We precompute the Minkowski Sums of tuples to accelerate the runtime performance. Finally, we provide an efficient method to update the orientation of each agent in a local manner. We have implemented the algorithm and highlight its performance on benchmarks corresponding to road traffic scenarios and different vehicles. The overall runtime performance is comparable to prior multi-agent collision avoidance algorithms that use circular or elliptical agents. Our approach is less conservative and results in fewer false collisions.

研究动机与目标

• 解决多智能体导航中圆形和椭圆形代理近似带来的局限性，这些局限性在密集或复杂环境中导致较高的误报碰撞率。
• 开发一种几何表示方法，精确捕捉异质代理（如汽车、公共汽车、行人）在不同尺寸和长宽比下的形状特征。
• 设计一种互惠碰撞避让算法，在保持实时性能的同时，相比先前方法减少保守性。
• 通过预计算和局部方向更新优化计算性能，实现数千个代理的交互式仿真。

提出的方法

• 通过简化每个代理的中轴变换（MAT），构建紧凑的CTMAT表示，利用相邻中轴圆之间的线性插值，形成由两个圆弧和两个线段组成的组合。
• 使用这些CTMAT组合表示每个代理的碰撞几何，从而实现精确且高效的闵可夫斯基和计算，用于基于速度障碍的碰撞避让。
• 在互惠速度障碍（RVO）框架中，通过将成对碰撞检测简化为CTMAT组合之间的低维线性规划，实现高效计算。
• 预计算CTMAT组合的闵可夫斯基和与宽度表，以在轨迹计算期间加速运行时性能。
• 在导航过程中局部更新代理方向，以保持平滑且无碰撞的轨迹，而无需全局重规划。
• 使用精确的多边形碰撞检测作为基准，验证相对于ORCA和ERVO的误报率。

实验结果

研究问题

• RQ1 与圆形或椭圆形近似相比，基于中轴的表示方法是否能有效降低异质代理在多智能体碰撞避让中的保守性？
• RQ2 基于CTMAT的算法在帧更新时间与可扩展性方面，与ORCA和ERVO等最先进方法相比，计算性能如何？
• RQ3 在密集交通场景中，CTMAT表示在多大程度上减少了误报碰撞检测？
• RQ4 预计算的闵可夫斯基和与宽度表是否能显著加速大规模多智能体仿真中的碰撞避让？
• RQ5 局部方向更新机制在复杂环境中保持平滑、无碰撞轨迹的有效性如何？

主要发现

• 每个代理使用一个CTMAT组合的MATRVO算法，其运行速度为ORCA（圆形代理）的1.5–2倍，且比ERVO（椭圆形代理）快2倍，在单个CPU核心上实现了交互式性能。
• 在无预计算的情况下，两个CTMAT组合（每个代理一个组合）之间的碰撞避让查询耗时约20微秒。
• 在对跖圆基准测试中，MATRVO将误报率降低至8.5–9.8%，而ERVO和ORCA的误报率分别为37.9–60.4%。
• CTMAT表示成功实现了在狭窄走廊和门框处的导航，而圆形和椭圆形代理因过度保守而失败。
• 使用预计算的MATRVO算法最多仅比ORCA慢2倍，表明其在包含最多1,000个代理的大规模仿真中具有出色的可扩展性。
• 该算法成功模拟了复杂交通场景，包括500个代理从相反方向移动，以及160个代理在四宫格场景中导航，所有轨迹均无碰撞。