トップ > 論文 > Online Multilayered Motion Planning with Dynamic Constraints for Autonomous Underwater Vehicles

Online Multilayered Motion Planning with Dynamic Constraints for Autonomous Underwater Vehicles

論文 ICRA2019 Robotics Robotics-Planning

論文情報

Abstract

水中ロボットは複雑な流体力を受けます。これらの力は車両の動きを定義するので、軌道を計画するときにそれらを考慮することが重要です。ただし、ロボットの搭載コンピュータでダイナミクスを考慮したモーションプランニングを実行することは、利用可能な計算リソースが限られているため困難です。本論文では、自律型水中機（AUV）のための効率的な運動計画の枠組みを提示した。疎結合の多層計画設計を導入することによって、私たちのフレームワークはオンライン計画のために計画時間を十分に短くしながら動的に実行可能な軌跡を生成することができます。まず、低次元投影空間で動作するファストパスプランナーは、 スタートからゴール設定までのリードパス。次に、先頭経路を使用して、すべての動的制約を考慮に入れた、2番目のモーションプランナーのサンプリングをバイアスします。さらに、有限の地平線までの最終軌道のみを生成することによって計算資源を節約するオンライン計画のための戦略を提案する。有限アプローチ戦略と多層アプローチを併用することで、2番目の計画担当者のサンプリングは、質の高いソリューションが見つかる可能性が高い地域に焦点を合わせ、計画期間を大幅に短縮します。強力な安全性保証を提供するために、私たちのフレームワークは避けられない衝突状態（ICS）の保守的な近似も取り入れています。最後に、本物の水中ロボットを使ってシミュレーションと実験を行い、私たちのフレームワークの能力を実証します。

メモ： 課題の概要として、マリンロボットでは流体を考慮した軌道計画が必要だが、ロボットに搭載されたコンピュータでそれを考慮した軌道計画は計算が重すぎて難しい

1. Introduction

他の多くのアプリケーションの中で、自律型水中ビークル（AUV）は今日ロボットの探査と検査を行うために使用されています[1]、[2]、[3]。 ロボットが障害物の近くをナビゲートし、高い精度が要求されるような作業のためには、車両の動的な制約と安全性を考慮してロボットの軌道を慎重に計画することが重要です。 同時に、ロボット位置特定および利用可能であれば環境の地図は通常、任務が始まる前にすべての軌道を計画するのに十分に正確ではない。 そのような状況では、任務の一部は搭載コンピュータを使ってオンラインで計画されなければならないでしょう。 この研究では、この特定の問題に焦点を当てています。オンライン計画に適したアルゴリズムを作成することに特に関心があります。 オンラインロボット軌道を生成するために様々な戦略が提案されてきた。 任務中に事前計画された軌道に関する偏差が小さいと予想される場合、潜在的な場などの反応的アルゴリズムで十分である可能性があります[4]。 あるいは、オンライン幾何学的経路プランナを使用することができる。 例えば、Dubinsのパスは過去に水中で使用されてきました[5]。 ビークルのダイナミクスを考慮する必要がある場合、state-latticeはビークルの可能な操作を制限しますが、実行可能な軌道をオンラインで計画するための便利なフレームワークを提供します[6]。 最後に、サンプリングベースのキノダイナミックプランナーを使用することも可能ですが、多くの場合、このアプローチはオンライン計画には遅すぎます。 計算をスピードアップするために、何人かの作者は多層計画ソリューション(multilayered planning solutions)[7]を提案しました。 セクションIIでは、制約を伴う運動計画および多層計画における最新技術を概説する。 本稿では、車両の動的モデルを考慮し、提供されたモデルに従って実現可能な軌道を生成し、そして車両の全ダイナミックレンジを利用する新しい運動計画の枠組みを提示した。運動学的に実現可能な経路（漸近的最適探索ランダムツリー（RRT *）プランナを使用して生成された[8]）を使用して動的に実現可能かつ安全な軌道の探索にバイアスをかける（生成）安定したsparse-RRT（SST）プランナを使う、[9]。結果のセクションで示されているように、SSTプランナーは複雑なダイナミクスを伴うオンライン計画には遅すぎる可能性があるため、私たちの多層フレームワークは計画計算を高速化してオンライン計画に適したものにします。不可避衝突状態（ICS）の概念を使用することによっても、強力な安全性保証が課されます。著者の知る限りでは、この作業は、計画時間の短縮を目的として、SSTプランナーとRRT *パスプランナーを組み合わせたモーションプランニングフレームワークを初めて提供するものです。さらに、安全コンティンジェンシーマヌーバが自律型水中ビークルに適用されるのも初めてです。多層計画方式は困難なシナリオにおける水中航法のための実用的で効率的な方式であることがシミュレーションと実験を通して示された。アルゴリズムの詳細はセクションIIIで見つけることができます、そして次にセクションIVとVはSparus II AUV（図1を見ます）と結論を使っている結果を提示します。

メモ： 論文のアプローチのポイントは、RRTとSSTの組み合わせ・軽量化。 RRTでおおよそのパスを決定し、SSTでsuboptimalな軌跡を生成する 従来手法としてSSTと比較して計算コストが良いと示している

2. Related Work

このセクションでは、幾何学的アプローチから始めて、state latticesのプランニング、キノダイナミックプランニング、そして最後に多層モーションプランニングまで、水中ロボットのモーションプランニングに関する関連作業を概説します。それはまた我々の要求に従って我々の水中運動計画問題への全ての方法の適用可能性を分析する：我々は漸近的最適性を持つ速いキノダイナミック運動プランナーが欲しい。 Hernandezら[5]は、水中ロボット用のオンラインの幾何学的経路計画の枠組みを提示しており、これはDubins経路によるロボットの軌道を近似している。リン等 [10]はまた、航空機用のDubinsパスも使用しました。代替案として、スプラインは、コナーズらによる運動計画においても使用されてきた。 [11]。しかしながら、幾何学的経路プランナが使用されるとき、ゼロ誤差で経路をたどることはほとんど不可能である。例えば、Ｄｕｂｉｎｓ経路は区間ごとに角速度の急激な変化を示し、それは無限の角加速度が可能なシステムによってのみ達成可能である。この作業における私たちの目的は、この制限を克服することです。

計画段階での車両のダイナミクス水中ロボット工学に関連するもう1つの作業は、state latticesで計画することです。state latticesを使用するとき、動き計画問題は、グラフの頂点および辺が事前計算された動きプリミティブの縮小されたセットに従って生成される無制限グラフ探索として解決される。状態格子は幾何学的なものでもよく、あるいはビークルダイナミクスも含むものでもよい。我々の水中計画問題に関連する例はPivtoraiko et al。に見いだすことができる。 ［１２］、Ｌｉｋｈａｃｈｅｆ ｅｔ ａｌ。 ［６］、およびＨｅｎｔ ｅｔ ａｌ。 [13]、[14]。しかしながら、ロボットの実際の能力のいくつかが失われるので、より少ない一連の動作を使用することは望ましくない可能性がある。我々は我々の水中ビークルの全ダイナミックレンジを使用したいので、state latticesは我々の用途には適していない。 あるいは、状態空間を制限しない、利用可能な多くのキノダイナミックモーションプランナーがあります。それらのほとんどは漸近的最適性保証を提供しないが、それらのうちのいくつかはより長い計算時間を犠牲にして提供する。漸近的最適高速探索ランダムツリー（ＲＲＴ ＊）のキノダイナミックバージョンが、Ｗｅｂｂ ｅｔ ａｌ。 [15]。それらは、状態の任意のペアを最適に接続する固定最終状態自由最終時間コントローラを使用します。彼らの方法の不利な点は、それが線形力学をもつシステムのために設計されていることです。ダイナミクスが線形ではない場合、いくつかの仮定の下でそれらのアプローチはシステムを線形化することによってまだ使用することができます。しかし、このアプローチは、水中ロボットには非常に非線形なダイナミクスがあるため、適していません。ハウザー他。 [16]は、実行可能なキノダイナミックプランナーから漸近的最適性を得るための方法を提案しました。彼らは状態変数をコストで増大させ、それから計画問題は反復的に解決され、その解決策は各反復でより良いコストを持たなければならないと主張する。この方法は漸近的な最適性を保証しますが、計算効率があまり良くないため、オンライン計画には使用できません。最後に、Liらによる安定スパースRRT（SST）プランナ。 [9]は、経路のコストに従って、動きをアクティブと非アクティブの2つのカテゴリに分割するツリーベースのモーションプランナーです。最終的には最良の動きが木に残り、最も効率の悪いものが消え、漸近的最適性も保証されます。

この研究は多層計画アプローチを提示しているので、多層運動計画に関する文献を検討することもまた重要である。 Sequeira等。 [17]は水中ビークルのための2層経路計画アプローチを提案しました。彼らの提案では、幾何学的ハイレベルプランナー（HLP）は開始コンフィギュレーションから一連の連続したウェイポイントを計算します。そして、ローレベルプランナー（LLP）は、ウェイポイント間の車両構成を生成するための潜在的なフィールドテクニックを実装します。あるいは、Ａｒｉｎａｇａ ｅｔ ａｌ。 [18]は2層パスプランナーも提案しました。彼らのグローバルプランナは最小のコストで経路クラスを見つけるために接続性グラフを使い、そして幾何学的なローカルモーションプランニングステップで、2つの構成を結ぶ滑らかな経路が計算されます。しかしながら、両方のアプローチは、車両の動力学を考慮に入れていない。

パルミエリ他[19]は、急速に探索するランダムツリー（RRT）プランナの探索にバイアスをかけるためのリードパスを生成するためのtheta*パスプランナの使用を提案した。ただし、2番目の計画者はRRTであるため、漸近的最適性保証は提供されません。ハーバート他。 [20]は、単純化されたダイナミクスを使って軌道を計画する運動計画アルゴリズムを提案しました。彼らのアプローチでは、生成された軌跡は実際のロボット軌道の近似それから、追跡と安全制御装置は、最悪の外乱に依存する限界誤差でおおよその軌道をたどるために使用されます。しかし、これは、特に水流を考慮して計画するときに、最悪の場合の擾乱についてすべての経路を衝突チェックする必要があることを意味します。

最後に、Plaku等。 （[21]、[22]、そしてその後の[7]）は、2つのパスプランナーが密接に統合されている多層アプローチを提示しました。最初の計画者は、リードを計算します。リードは、開始状態と目標状態に関連付けられた領域で開始および終了する一連の分解領域として定義されています。彼らの作品では、リードはスタートからゴールまで行くために訪れるセルの大まかなスケッチとして理解することができます。その後、このリードは2番目の計画担当者に渡されます。第２の立案者が所与の誘導内に軌跡を見つけられない場合、第１の立案者が代替の誘導を再計算するために実行される。彼らの提案では、最初のプランナーは離散検索を使用し、2番目のプランナーはサンプリングベースのモーションプランナーです。しかしながら、提案されたプランナの組み合わせは漸近的最適性を保証するものではなく、離散的なプランナは高次元性を伴う問題において遅くなる可能性がある。

3. MULTILAYERED PATH PLANNING WITH DYNAMIC CONSTRAINTS

4. Results

提案された運動計画フレームワークをテストするために、Sparus II AUVが使用されています（図1、[25]を参照）。 部分的なホバリング能力を持つ魚雷型のロボットです。 揺れ、ロールおよびピッチ自由度（DOF）は作動しませんが、サージ、ヒーブおよびヨー自由度（DOF）は作動します。 2つの異なるシナリオが使用されています。 最初のシナリオは、スペインのジローナにあるSt. Feliu de Gu´xolsの港の外にある一連の防波堤コンクリートブロック（図1を参照）で構成されています。 各ブロックは12×12メートルの範囲にわたり、ブロック間の距離は5メートルです。 狭い通路と水流のため、モーションプランニングアルゴリズムをテストするのは困難なシナリオです。 2番目のシナリオは、St Feliuの海岸崖と大きな岩の間の峡谷に似た、長さ100メートルの狭い通路です（図6を参照）。

A. Simulated results

提案されたフレームワークに対してSSTプランナーのパフォーマンスと均一サンプリングを比較しました。それぞれ90秒間の100回の実験が行われました。図４は、計画時間の関数としての（式（２）からの）経路コストの箱ひげ図を表す。同じ量の計画時間が経過した後、私たちのフレームワークによって提供されるソリューションのコストはSSTプランナーだけの場合よりも低く、特に最初の段階ではオンライン計画にとって特に興味深いことがわかります。図5は、10秒後の両方の場合における計画ツリーの進化をグラフで示したものです。フレームワークはすでに最適に近い解に収束していますが、SSTプランナーは調査する必要がある面積が大きいため、すべての場合で収束しているわけではありません。この実験はオフライン計画として分類することができます。これは、マップが既知であり、最初の構成から目的の構成までの軌跡を計算するために1回の計画の反復しか実行されないためです。私たちが行った2番目の模擬実験は、複雑で構造化されていないシナリオでオンラインで計画することです。このシミュレーションの目的は、実際の実験の前にオンライン計画のためのフレームワークをテストすることでした。図６は、環境およびロボットの軌道の上面図を示す。ロボットの軌道は滑らかで、ロボットは障害物に決して近づきません。ロボットの速度は常に最大許容速度0.3 m / sに近づいていました。私たちの運動計画の枠組みはシステムの力学を考慮に入れるので、運動計画段階で水流の影響を導入することは可能です。これは、動的方程式の減衰項内の水に対する車両の相対速度を考慮することによって達成される（式（５）を参照）。私たちが行った3番目の模擬実験は、水流を無視することとそれらを考慮に入れることの違いを示しています。図7は、目標が2つの防波堤ブロックの間にあるが横方向の水流があるという単純なシナリオでの計画軌道と実際のロボット軌道を示しています。運動計画段階で考慮する。この実験では、北方向に0.4 m / sの一様な流れが考慮されていますが、フレームワークは時間/状態のパラメータ化可能な水流に対応できます。

B. Experimental results

図8は、Sparus II AUVを使用した実際の水中実験を示しています。 実験は防波堤ブロックを横断して自律的にオンライン計画を行っていた。 ロボットには、最大10メートルの範囲までの外因性データを捕捉する機械的走査プロファイリングソナーが装備されていました。 マップは実験中に徐々に作成され、再計画は5秒ごとに行われました。 すべての実験は2.0 mの深さで行われ、要求された速度は0.3 m / sの最大許容速度に近く、狭い旋回では減少するだけでした。 提案されたフレームワークはすべての実験でゴールへの安全な道筋を計算することができたので、任務中にロボットを安全な状態にするための偶発的な操作は実行されませんでした。

5. Conclusion

本論文では、限られた量の計算資源でさえ、水中の乗り物の動的制約と安全性を考慮に入れた軌道を生成する新しい運動計画の枠組みを提示した。著者の知る限りでは、この研究は、安定スパースRRT（SST）プランナーと漸近的最適高速探索ランダムツリー（RRT *）モーションプランナーを組み合わせることを目的としたモーションプランニングフレームワークを初めて提示します。計画時間を短縮します。さらに、安全コンティンジェンシーマヌーバが水中ビークルに適用されるのも初めてです。以前の貢献に加えて、この作品はまた提案された計画の枠組みを評価するための実験データを含みます。 シミュレーションでは、SSTプランナーを単独で実行した場合よりもパフォーマンスが大幅に向上し、コンバージェンス率が向上しています。これは、オンライン計画を実行する際に特に重要です。実際の実験は、計画した軌道が実際の水中ロボットに適していることを示し、そして提案したフレームワークが私たちの計算予算内で動作でき、初めてSparus IIによる軌道計画のための動的モデルの使用を可能にした。 AUV最後に、このフレームワークは他のロボットにも容易に適応させることができます。それらの動的モデルのみが使用されるからです。それは柔軟であり、水流のような擾乱は容易に考慮に入れることができる。前述の考慮事項のために、私たちはこの仕事が運動計画共同体の他の部分に関連しているかもしれないと信じる。

次に調べること

  • state lattices plannerの特性。なぜ選ばなかったのか
  • [9] stable sparce RRT Planner(SST)
  • Multilayered Motion Planning (優先度順)
    • [7] Region-guided and sampling-based tree search for motion planning with dynamics
    • [21] Discrete search leading continuous exploration for kinodynamic motion planning
    • [22] Motion planning with dynamics by a synergistic combination of layers of planning,
    • [17] A two level approach for underwater path planning
    • [18] A motion planning method for an AUV