[论文解读] Search-based Planning of Dynamic MAV Trajectories Using Local Multiresolution State Lattices

Daniel Schleich, Sven Behnke|arXiv (Cornell University)|Mar 26, 2021

Robotic Path Planning Algorithms参考文献 25被引用 16

一句话总结

本文提出了一种局部多分辨率状态格栅方法，用于在微型飞行器（MAVs）中实现高效且动态可行的轨迹规划。通过在远离MAV的位置粗略表示状态和速度，同时在靠近MAV的位置保持高分辨率，并结合基于层级的A*扩展方案与一维子问题启发式方法，该方法将最大重规划时间相比均匀格栅减少了高达90%，从而实现实时在线重规划，且轨迹成本增加极少（≤6%）。

ABSTRACT

Search-based methods that use motion primitives can incorporate the system's dynamics into the planning and thus generate dynamically feasible MAV trajectories that are globally optimal. However, searching high-dimensional state lattices is computationally expensive. Local multiresolution is a commonly used method to accelerate spatial path planning. While paths within the vicinity of the robot are represented at high resolution, the representation gets coarser for more distant parts. In this work, we apply the concept of local multiresolution to high-dimensional state lattices that include velocities and accelerations. Experiments show that our proposed approach significantly reduces planning times. Thus, it increases the applicability to large dynamic environments, where frequent replanning is necessary.

研究动机与目标

• 解决在高维状态格栅中搜索用于MAV轨迹规划的高计算成本问题。
• 实现在障碍物频繁变化的大规模动态环境中实时在线重规划。
• 通过利用空间和速度分辨率自适应，减少规划时间，同时保持轨迹最优性和动态可行性。
• 开发一种可扩展、高效的搜索框架，支持频繁重规划而不牺牲解的质量。

提出的方法

• 在高维状态格栅中应用局部多分辨率方法，根据距离MAV当前位置的远近，对空间和速度分辨率进行粗化。
• 在A*算法中使用基于层级的扩展方案，根据分辨率层级优先探索状态，减少不必要的扩展。
• 采用求解线性二次最小时间问题的一维子问题所得的启发式方法，高效引导A*搜索。
• 在分辨率层级之间过渡时调整运动基元，以确保状态与目标格栅分辨率对齐。
• 将该方法与A*搜索集成，使用基于路径成本和启发式的f值，并动态调整扩展顺序。
• 在不同层级间实现一致的状态表示，仅分辨率不同，不同于以往方法中各层级使用不同动作集的做法。

实验结果

研究问题

• RQ1 在高维状态格栅中应用局部多分辨率方法，是否能显著减少MAV轨迹规划的规划时间？
• RQ2 与均匀格栅相比，多分辨率方法对轨迹成本和最优性有何影响？
• RQ3 所提出的基于层级的扩展方案能否缓解多分辨率规划中因更高f值阈值导致的扩展状态数量增加的问题？
• RQ4 一维子问题启发式方法对搜索效率和解质量有何影响？
• RQ5 该方法能否在具有未知障碍物的大规模动态环境中维持1 Hz的重规划频率？

主要发现

• 与均匀状态格栅相比，所提方法将最大重规划时间减少了高达90%，在仿真中最大仅需0.69秒。
• 结合基于层级的扩展方案与一维启发式方法，该方法在基准方法失败的复杂任务中实现了100%的成功率，成功找到有效轨迹。
• 轨迹成本最多比最优基线高6%，均匀格栅的平均成本仅增加5%，而多分辨率方法在固定时间步长下平均成本略有下降。
• 该方法在动态环境中维持了1 Hz的重规划频率，其中89.8%的均匀格栅重规划步骤超过1秒，而最佳多分辨率变体仅16.33%的步骤超过1秒。
• 在真实世界测试中，该方法成功实现了在物理MAV上的在线轨迹规划，验证了其实际适用性。
• 一维启发式方法结合基于层级的扩展方案，将平均扩展状态数从108万减少至8,505，实现了92%的状态扩展减少。