[论文解读] iPlanner: Imperative Path Planning

Fan Yang, Chen Wang+2 more|arXiv (Cornell University)|Feb 22, 2023

Robotic Path Planning Algorithms被引用 2

一句话总结

该论文提出iPlanner，一种用于机器人路径规划的端到端指令学习（IL）框架，通过可微分代价图与两阶段优化，直接从深度观测中训练策略，无需示范。该方法相比经典方法实现4倍提速，并在未见过的环境中将SPL提升26–87%，展现出卓越的效率与泛化能力。

ABSTRACT

The problem of path planning has been studied for years. Classic planning pipelines, including perception, mapping, and path searching, can result in latency and compounding errors between modules. While recent studies have demonstrated the effectiveness of end-to-end learning methods in achieving high planning efficiency, these methods often struggle to match the generalization abilities of classic approaches in handling different environments. Moreover, end-to-end training of policies often requires a large number of labeled data or training iterations to reach convergence. In this paper, we present a novel Imperative Learning (IL) approach. This approach leverages a differentiable cost map to provide implicit supervision during policy training, eliminating the need for demonstrations or labeled trajectories. Furthermore, the policy training adopts a Bi-Level Optimization (BLO) process, which combines network update and metric-based trajectory optimization, to generate a smooth and collision-free path toward the goal based on a single depth measurement. The proposed method allows task-level costs of predicted trajectories to be backpropagated through all components to update the network through direct gradient descent. In our experiments, the method demonstrates around 4x faster planning than the classic approach and robustness against localization noise. Additionally, the IL approach enables the planner to generalize to various unseen environments, resulting in an overall 26-87% improvement in SPL performance compared to baseline learning methods.

研究动机与目标

• 解决经典模块化规划流水线的局限性，后者因模块顺序处理导致延迟增加与误差累积。
• 克服端到端强化学习与监督学习在机器人路径规划中面临的数据效率与样本效率挑战。
• 实现在无需标注轨迹或示范的情况下，对未见过环境的泛化能力。
• 开发一种利用任务级目标通过直接梯度下降进行训练的范式，提升训练效率与策略泛化能力。

提出的方法

• 引入指令学习（IL），一种非监督训练方法，利用可微分代价图在策略训练期间提供隐式监督。
• 采用两阶段优化（BLO）框架，结合神经网络更新与基于度量的轨迹优化，生成平滑且无碰撞的路径。
• 以单帧深度测量作为输入，通过学习的策略网络端到端映射为轨迹。
• 通过整个流程反向传播任务级代价度量（如到目标的距离、避障）以使用梯度下降更新网络。
• 利用预构建的可微分代价图在训练期间引导策略行为，实现无需显式示范的隐式监督。
• 通过训练网络提取专为规划目标优化的特征，实现感知与规划的解耦，提升实时性能。

实验结果

研究问题

• RQ1 非监督学习方法是否能在无需标注轨迹或示范的情况下，实现高效且可泛化的路径规划？
• RQ2 与监督学习或强化学习基线相比，采用可微分代价图的指令学习在训练效率与泛化能力方面有何提升？
• RQ3 在仅使用单帧深度输入的情况下，策略在光照、障碍物与地形各异的多样化未见环境中，其泛化能力能达到何种程度？
• RQ4 所提出的两阶段优化框架是否能生成更平滑、无碰撞的轨迹，同时保持低规划延迟？
• RQ5 在真实部署中面对感知噪声与定位误差，该方法表现如何？

主要发现

• iPlanner方法相比经典方法（MP）实现约4倍的规划延迟降低，Nvidia Jetson Orin设备上的平均延迟为11.4ms。
• 在多样化未见环境中，该方法相比基线学习方法将SPL（按路径长度加权的成功率）提升26–87%。
• 规划器对未见环境具有强鲁棒性，涵盖室内实验室、户外地形、人工迷宫及光照与障碍物配置各异的地下环境。
• 该方法对定位噪声表现出强鲁棒性，且仅需单帧深度图像作为输入即可有效运行。
• 端到端的指令学习训练使任务级度量可直接通过梯度下降优化，无需示范或奖励塑形。
• 在ANYmal四足机器人的真实实验中，规划器成功在复杂真实场景中穿越动态障碍物、门框与楼梯。