Extending Obstacle Avoidance Methods through Multiple Parameter-Space Transformations
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.190.4672&rep=rep1&type=pdf
Jose-Luis Blanco, Javier González, Juan-Antonio Fernández-Madrigal University of Malaga, Spain Autonomous Robots(Springer) 2008, IROS2006
Abstract
障害物回避方法は、動的または未知の環境に適している、最新のセンサ読み取り値に従ってリアルタイムでロボットを操縦することによって移動ロボット自律ナビゲーションの問題に取り組む。しかしながら、実時間性能は、ロボットの形状およびその運動学的な制限のいくつかまたはすべてを無視することによって一般的に得られ、それは多くの実用的な状況において劣悪なナビゲーション性能をもたらし得る。本論文では、運動学的に拘束された任意の形状のロボットを、既知の障害物回避方法が適用可能な新しい空間内の自由飛行点にリアルタイムで変換する枠組みを提案する。このフレームワークによる私たちの貢献は2つあります。既存の変換アプローチのほとんどをカバーする一般化された空間変換の定義と、ロボットの動きの決定を最適化するために複数の変換を同時に適用できるリアクティブナビゲーションシステムです。結果として、これらの変換は、ロボットの運動学と互換性のある経路で空間を「サンプリング」することによって、既存の障害物回避方法が周囲の自由空間のより良い検出を実行することを可能にする。実際のロボットを屋内、雑然とした、動的なシナリオでナビゲートした経験から、いくつかの例を用いてこれらの空間変換を設計する方法を説明します。また、我々は同様の状況に直面したときに以前の方法に対する我々のアプローチの利点を実証する実験結果を提供する。
1. Introduction
自律的で安全なナビゲーションは、移動ロボットが研究室を離れてそれらの使用を一般化するために厳密に解決される必要がある問題の一つです。この目的のためには、衝突のない経路が効率的に見つかる可能性がある障害物の空間的表現を考慮することが不可欠です。この問題はロボット業界で広く研究され、伝統的に2つの異なる研究分野につながっています。一方では、既知のシナリオに対して開始点からターゲットまでの最適な経路が計算されるモーションプランニングアプローチがあります。構成空間（C-空間）（Lozano-Pérez1987）は、この範囲の表現としてうまく採用されています。 C-Spaceでは、ロボットは高い次元を犠牲にして単一の点として表されます（たとえば、平面移動ロボットの場合は3次元）。一方、ナビゲーションのアプローチの中には、ナビゲーション中にモーションコマンドをリアルタイムで定期的に計算しなければならない、未知または動的なシナリオを扱うものもあります（計画はありません）。
反応的または障害物回避と呼ばれるこれらのアプローチの下では、ナビゲーター手順は、センサーの読み取り値とモーターの作動との間のマッピングとして便利に見ることができます（Arkin 1998）。 リアクティブメソッドは非常に効率的で単純な実装ですが、それらの多くは、ロボットの点や円による表現、または任意の方向への移動を許可する、つまり運動学的な制限を無視するなど、制限が厳しすぎる仮定に頼るため、実際のアプリケーションでは正しく機能しません。 。 C-Spaceはその複雑さのためにリアクティブメソッドのための適切なスペース表現ではありません、そしてそれはリアルタイム実行を妨げます。それ故、ＣＳｐａｃｅの単純化は特に反応的方法のために提案されている。最後に、上記の2つのアプローチの組み合わせも提案されており（Khatib et al。1997、Lamiraux et al。2004、Quinlan and Khatib 1993）、通常は既知の静的マップに基づいて計画パスの計算を開始し、その後動的に試行します。予期しない障害物との衝突を避けるために変形してください。これらのハイブリッドアプローチは多くの状況でナビゲーション問題を首尾よく解決するが、先験的計画経路がハイブリッド方法によってうまく構築されるために過度の変形を必要とする場合がある純粋に反応的な方法が依然として部分的に既知または非常に動的なシナリオには必要である。本論文はナビゲーション問題への純粋に反応的なアプローチを提示し、したがって運動計画と経路変形に関する以前の研究は直接我々のものと関係がない。より具体的には、ここで取り上げる問題は、平面シナリオにおける運動学的に拘束された任意形状の移動ロボットのリアクティブナビゲーションです。この問題は、障害物を避けながらロボットの運動学的制限を満たしながら、目標位置に近づく動きを見つけることを必要とする。
私たちの主な貢献は、ロボットの周りの空きスペースを検出するためのプロセスにあります。これは、リアクティブナビゲーターが最高の瞬間的なモーター作動を決定するための基礎です。この課題のために、既存の方法は、障害物距離を測定するための単純な経路の特定の族を考慮する（これは自由空間をサンプリングすることと等価である）。パスモデルと呼ぶこれらのパスファミリは、計画されたパスではなく、近くの障害物を考慮に入れるためのアーティファクトと見なされる必要があります。すべての既存の反応的方法は、図１に示すように、ロボットの短期モータ作動の拡張である経路モデルを使用する。任意の方向に動くことができるホロノミックロボットに対しては、直線経路が採用され、非ホロノミックに対しては円弧が考慮される。もの以前の反応的方法で使用されていた直線および円形経路モデルとは別に、他のモデルが運動計画の分野で研究されており、最短経路に関して興味深い結果を得ている（Laumond andSouères1993、Reeds JA and Schepp RA 1990、Souèresand Laumond 1996）。 、Ｖｅｎｄｉｔｔｅｌｌｉら１９９９）。我々のアプローチは、これらの方法のいくつかを初めてリアクティブナビゲーションシステムに統合することを可能にする。
私たちは、以前の反応的方法で使用されていた直線と円形の経路は、記憶のないシステムでロボットがたどることができる無限の経路モデルから2つだけ離れていると主張しています。反応型ナビゲータで使用されるのは、運動学的制約を満たし、かつ反応型コントローラによって記述されることができなければならないため、任意のものにはなり得ない。他の経路モデルを考慮することは、古典的な直線モデルまたは円形モデルのみを使用するよりも自由空間をサンプリングすることがより適切であることは明らかです。私たちは、ロボットが（反応的に）可能な動きを探す図2の例を通してこの問題に焦点を当てました。図2（a）のように障害物をサンプリングするために単一の円形経路モデルを使用する場合、障害物回避方法は多くの良い潜在的な動きを見逃している可能性が非常に高いです。障害物について説明します。対照的に、図２（ｂ）に示されているもののように、多様な経路モデルを使用することは、ロボットに自由空間のより完全な図を提供する。これは私達のアプローチの際立った特徴の一つです：同時に様々な経路モデルを扱う能力。実際の実験で後で論じられるように、これは、より短い経路に従ってより短い時間でナビゲーションを実行するロボットに反映される。さらに、ナビゲーションは動的な障害物や雑然としたシナリオに対してより堅牢に機能します。
キネマティック制限と障害物回避の問題は、パスモデルを使用してキネマティック準拠パスと現実世界の障害物を複雑さの低い空間に変換することで切り離すことができます。これを軌道パラメータ空間（略してTP空間）*と呼びます。この変換は、ロボットの形状と運動学的な制限がすでに変換プロセスに組み込まれているため、ロボットをTPスペースの自由飛行点と見なすことができるように定義されています。私たちは自由空間での飛行ロボットの標準的な方法に変換された空間での障害物回避タスクを委託することができます。この考えは、自我運動学変換（EKT）が具体的なTPSpaceとして提示されている（Minguez and Montano 2006）で発見されました。その作業の中で、ここでの私たちの貢献は2つあります。一方で、私たちはパラメータ化軌道ジェネレータ（PTG）と呼ばれる新しいツールを通して経路モデルの一般化で彼らの仕事を拡張します。変換一方、それぞれが異なるPTGに対応する複数の経路を同時に管理するためのナビゲーションシステムを提案する。このシステムは、（例えば、経路長およびクリアランスに関して）各瞬間において最良の選択肢の動的選択に直面し、それは円形経路のみに依存する従来の方法よりも強力なアプローチをもたらす。まとめると、リアクティブナビゲーションに対する提案された解決策は以下の特徴を提示する。
障害物回避と運動学的制限の問題は（Minguez and Montano 2006）のように切り離されていますが、今では一般化された方法で最適化と異なるロボットとシナリオ間の再利用を容易にします。
以前はホロノミックポイント（または円形）ロボットに制限されていた、よく知られている効率的な反応的方法を、あらゆる形状の非ホロノミックロボットに適用できるようになりました。
円弧以外のパスモデルを使用すると、ロボットは障害物を回避し、運動学的な制限と互換性のある、より幅広い代替動作を見つけることができます。 さらに、多数の経路モデルを同時に使用することができ、各特定の状況に最も適したものを動的に選択することができる。
図３において、我々は古典的なリアクティブナビゲーション方法と我々のアプローチの両方を概略的に表す。図3（a）に示すように、既存の手法ではロボットの運動学的制約と全体としての障害物回避を扱う。我々は、衝突回避から運動学的な制限を、いくつかの異なる変換（ＰＴＧ）を介して抽象化することを提案する。図３（ｂ）に示されるように、複数の変換の存在は、各時間ステップで最も適切な動きのためのある種の選択メカニズムに対する必要性を導入する。この記事の残りの部分は次のように構成されています。セクションＩＩでは、運動学的制限を伴うリアクティブナビゲーションの問題に対処するために、以前の手法で採用されていた異なる空間表現を検討する。セクションIIIでは、TP-Spacesとその根底にある距離 - 障害物測定問題を紹介します。次に、PTGを定義し、実際のナビゲーションシナリオとTPスペースとの間で必要な変換のためにそれらをどのように利用するかを説明します。セクションVでは、実際のロボットの経験から得られた実装の詳細を含む、完全なナビゲーションシステムを紹介します。最後に、いくつかの結果と結論を議論した。
