Integrated online trajectory planning and optimization in distinctivetopologies

https://www.sciencedirect.com/science/article/abs/pii/S0921889016300495

Integrated online trajectory planning and optimization in distinctive topologies

 

가상 탄성력(elastic band) 방법

 

널리 쓰이는 방법 : 가상 탄성력

 

Trajectory optimization 목적은 아래 세 가지를 최소화시키는 것이다.

1. control effort

2. control errort

3. transition time between start and goal pose

 

DWA(Dynamic Window Approach)

• 모바일 로봇 네비게이션을 위헤 널리 쓰이는 방법
• simulation된 궤적이 velocity search space(feasible velocity 집합으로 제한된)로부터 반복적으로 샘플된다.
• cost function은 각각의 후보 궤적의 비용(남아있는 거리에서 목표까지의 거리)을 계산한다.
• 제일 비용이 낮은 solution을 선택한다.

Lau et al.[6], Sprunk et al.[7] : 로봇의 kinodynamic 조건에 따라서 곡선으로 표현된 궤적을 최적화 수행.

 

[6] : B. Lau, C. Sprunk, W. Burgard, Kinodynamic motion planning for mobile robots using splines, in: Proc. of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), St. Louis, MO, USA, 2009, pp. 2427–2433.

[7] : C. Sprunk, B. Lau, P. Pfaff, W. Burgard, Online generation of kinodynamic trajectories for non-circular omnidirectional robots, in: Proc. of the IEEE International Conference on Robotics and Automation (ICRA), Shanghai, China, 2011, pp. 72–77.

 

online planning algorithm은 covariant gradient descent 방법에 의존한다 [8].

 

이전 선행 연구에서 elastic band 즉, Timed-Elastic-Band (TEB) 방법을 좀 더 확장하여 발표했다 [9,10].

 

TEB(Timed-Elastic-Band)

• 최소한의 시간으로 목표 지점에 도달하기 위해 일시적인 정보를 명시적으로 포함하면서, 로봇의 궤적을 최적화한다.
• 근본적인 문제의 구조를 이용함으로써 효율성을 보여준다.
• efficient time-optimal model predictive control approach for dynamic system [11] 사용

 

특히나, 모바일 로봇의 navigation은 장애물때문에 local minima에 빠질 가능성이 있다.

[12] : Kalakrishnan et al.은 stochastic descent 방법을 적용하여 이러한 한계점을 극복하고자 하였다. 하지만, 이러한 방법은 global optima를 추정하기 위해서 궤적의 광범위한 샘플 갯수를 요구한다.

[13] : Kuderer et al.은 two stage local optimization 방법을 제안했다. 이 방법은 수정된 Voronoi diagram으로부터 여러 개의 후보 궤적을 추출했다.

→ 과거 방법들은 주로 global offline path & trajectory 계획에 의존했다.

 

PRM(Probabilistic RoadMap) [14, 15]

• 복잡하고 큰 환경에서 복잡한 궤적을 확인할 수 있다.

 

[16] : Knepper et al.은 local planner based on path sampling을 제안했다.

[17] : Bhattacharya et al.은 연속적인 궤적을 변형시키기 보다는 discrete path selection을 제안했다.

[18] : Pokorny et al.은 graph free sampling based approach을 제안했다.