매우 불확실한 환경을 통해 안전한 경로를 계획
날짜:
2022년 5월 23일
원천:
매사추세츠 공과 대학
요약:
연구원들은 모양, 크기, 위치의 알려지지 않은 변화와 같이 환경에 다양한 불확실성이 있는 경우에도 출발점에서 목표 위치까지 안전하게 이동할 수 있는 자율주행 차량용 궤적 계획 시스템을 개발했습니다. 장애물.
우주의 멀리 떨어진 지역을 탐사하는 자율 우주선이 외계 행성의 대기를 통해 하강합니다. 차량과 이를 프로그래밍한 연구원들은 이 환경에 대해 잘 모릅니다.
불확실한 상황에서 우주선이 무작위로 움직이는 장애물에 짓눌리거나 갑작스러운 강풍에 의해 코스에서 이탈하지 않도록 하는 궤적을 어떻게 그릴 수 있습니까?
MIT 연구원들은 이 우주선이 안전하게 착륙하는 데 도움이 될 수 있는 기술을 개발했습니다. 그들의 접근 방식은 자율 차량이 환경 조건 및 차량이 충돌할 수 있는 물체에 관한 여러 불확실성이 있는 매우 불확실한 상황에서 입증 가능한 안전한 궤적을 그릴 수 있도록 합니다.
이 기술은 차량이 무작위로 움직이고 시간이 지남에 따라 모양이 변하는 장애물 주변에서 안전한 경로를 찾는 데 도움이 될 수 있습니다. 차량의 출발점이 정확히 알려지지 않았거나 바람, 해류 또는 거친 지형과 같은 환경적 교란으로 인해 차량이 어떻게 이동할지 정확히 불분명한 경우에도 목표 지역으로 안전한 궤적을 그립니다.
전기 공학 및 컴퓨터 과학부와 컴퓨터 과학 및 인공 지능 연구실의 대학원생인 공동 저자인 Weiqiao Han은 이 기술이 동시에 많은 불확실성과 복잡한 안전 제약이 있는 궤적 계획 문제를 해결하는 첫 번째 기술이라고 말했습니다. CSAIL).
"미래의 로봇 우주 임무는 매우 불확실한 사전 지식만 존재하는 원격 및 극한 세계를 탐험하기 위해 위험 인식 자율성이 필요합니다. 이를 달성하기 위해 궤도 계획 알고리즘은 불확실성에 대해 추론하고 복잡하고 불확실한 모델 및 안전 제약 조건을 처리해야 합니다. " 공동 수석 저자인 Ashkan Jasour는 전 CSAIL 연구 과학자이며 현재 NASA 제트 추진 연구소에서 로봇 시스템을 연구하고 있습니다.
논문에서 Han과 Jasour와 함께 CSAIL의 회원이자 항공 및 우주학 교수인 Brian Williams가 수석 저자입니다. 이 연구는 로봇 공학 및 자동화에 관한 IEEE 국제 회의에서 발표될 예정이며 우수 논문상 후보로 지명되었습니다.
가정 피하기
이 궤적 계획 문제는 매우 복잡하기 때문에 안전한 전진 경로를 찾기 위한 다른 방법은 차량, 장애물 및 환경에 대한 가정을 합니다. 이러한 방법은 대부분의 실제 설정에 적용하기에는 너무 단순하므로 복잡하고 불확실한 안전 제약 조건이 있는 경우 궤적이 안전하다고 보장할 수 없다고 Jasour는 말합니다.
"이 불확실성은 자연의 무작위성 또는 자율주행차의 인식 시스템의 부정확성에서 비롯될 수 있습니다."라고 Han은 덧붙입니다.
정확한 환경 조건과 장애물의 위치를 추측하는 대신 알고리즘은 서로 다른 위치에서 서로 다른 환경 조건과 장애물을 관찰할 확률에 대한 이유를 개발했습니다. 로봇의 인식 시스템에서 환경의 지도나 이미지를 사용하여 이러한 계산을 수행합니다.
이 접근 방식을 사용하여 알고리즘은 궤적 계획을 확률적 최적화 문제로 공식화합니다. 이것은 로봇이 장애물 회피와 같은 안전 제약을 고려하면서 속도 최대화 또는 연료 소비 최소화와 같은 계획 목표를 달성할 수 있도록 하는 수학적 프로그래밍 프레임워크입니다. 그들이 개발한 확률적 알고리즘은 위험에 대한 이유, 즉 이러한 안전 제약 조건과 계획 목표를 달성하지 못할 확률이라고 Jasour는 말합니다.
그러나 문제는 각 장애물의 위치와 모양에서 시작 위치 및 로봇의 동작에 이르기까지 다양한 불확실한 모델과 제약을 포함하기 때문에 이 확률적 최적화는 표준 방법으로 해결하기에는 너무 복잡합니다. 연구원들은 확률적 최적화를 기존 기성 솔버로 효율적으로 해결할 수 있는 보다 간단하고 단순한 결정론적 최적화 문제로 변환하기 위해 불확실성의 확률 분포에 대한 고차 통계를 사용했습니다.
Jasour는 "우리의 과제는 최적화의 크기를 줄이고 작동하도록 보다 실질적인 제약을 고려하는 방법이었습니다. 좋은 이론에서 좋은 응용 프로그램으로 전환하는 데 많은 노력이 필요했습니다."라고 말합니다.
최적화 솔버는 위험 경계 궤적을 생성합니다. 즉, 로봇이 경로를 따라갈 경우 장애물과 충돌할 확률이 특정 임계값(예: 1%)보다 크지 않습니다. 이를 통해 차량을 대상 지역으로 안전하게 조종할 수 있는 일련의 제어 입력을 얻습니다.
차트 작성 과정
그들은 여러 시뮬레이션된 탐색 시나리오를 사용하여 기술을 평가했습니다. 하나는 여러 이상한 모양의 장애물 주변의 불확실한 위치에서 목표 지역까지 코스를 표시하는 수중 차량을 모델링했습니다. 최소한 99%의 시간 동안 목표에 안전하게 도달할 수 있었습니다. 그들은 또한 움직임에 영향을 미치는 강한 바람이 있는 동안 불확실한 크기와 위치를 갖고 시간이 지남에 따라 움직일 수 있는 여러 3D 비행 물체를 피하는 항공기의 안전한 궤적을 매핑하는 데 사용했습니다. 그들의 시스템을 사용하여 항공기는 높은 확률로 목표 지역에 도달했습니다.
환경의 복잡성에 따라 알고리즘이 안전한 궤적을 개발하는 데 몇 초에서 몇 분이 걸렸습니다.
연구원들은 이제 런타임을 크게 줄여 실시간 계획 시나리오에 더 가까워질 수 있는 보다 효율적인 프로세스를 연구하고 있다고 Jasour는 말합니다.
Han은 또한 시스템에 적용할 피드백 컨트롤러를 개발하고 있는데, 이는 차량이 최적의 경로에서 때때로 벗어나더라도 계획된 궤적에 더 가깝게 고정되도록 도와줍니다. 그는 또한 연구원들이 실제 로봇에서 기술을 시연할 수 있도록 하는 하드웨어 구현을 연구하고 있습니다.
이 연구는 부분적으로 보잉의 지원을 받았습니다.