Goal-Reaching Trajectory Design Near Danger with Piecewise Affine Reach-avoid Computation

要約

自律移動ロボットは安全性を維持する必要がありますが、古典的な到達回避問題を引き起こすパフォーマンスを犠牲にしてはなりません。
この論文では、ロボットが確実にゴールに到達し、狭いギャップとも呼ばれる特定の危険に近いケースで障害物を回避することが保証される軌道計画を計算することを目指しています。このケースでは、エージェントはゴール近くから開始するが、狭い障害物を通り抜けなければなりません。
その道を塞ぐもの。
提案された方法は、単純化された計画モデルを使用して計画を生成し、その後、高忠実度の追跡モデルとコントローラーを使用して追跡するという一般的なアプローチに基づいて構築されています。
既存の安全な計画アプローチは、到達可能性分析を使用してこれらのモデル間の誤差を過大近似しますが、これにより追加の数値近似誤差が生じ、それによって目標達成を妨げる保守性が生じます。
本研究では、代わりに、計画モデルの到達可能なセットを厳密に近似する区分的アフィン到達回避計算 (PARC) 方法を提案します。
PARC は、時間とともに変化する追跡エラーを処理するための効果的なアプローチとともに、計画モデルとセット表現を慎重に選択することにより、保守性を大幅に軽減します。
この方法の有用性は、危険に近い目標到達において PARC が最先端の到達回避方法よりも優れているという広範な数値実験を通じて実証されています。
さらに、模擬デモンストレーションでは、PARC により、安全性が証明された極端な車両ダイナミクス ドリフト パーキング操作の生成が可能になります。
TurtleBot3 での予備的なハードウェア デモでも、この方法を検証します。

要約(オリジナル)

Autonomous mobile robots must maintain safety, but should not sacrifice performance, leading to the classical reach-avoid problem. This paper seeks to compute trajectory plans for which a robot is guaranteed to reach a goal and to avoid obstacles in the specific near-danger case, also known as a narrow gap, where the agent starts near the goal, but must navigate through tight obstacles that block its path. The proposed method builds off of a common approach of using a simplified planning model to generate plans, which are then tracked using a high-fidelity tracking model and controller. Existing safe planning approaches use reachability analysis to overapproximate the error between these models, but this introduces additional numerical approximation error and thereby conservativeness that prevents goal-reaching. The present work instead proposes a Piecewise Affine Reach-avoid Computation (PARC) method to tightly approximate the reachable set of the planning model. PARC significantly reduces conservativeness through a careful choice of the planning model and set representation, along with an effective approach to handling time-varying tracking errors. The utility of this method is demonstrated through extensive numerical experiments in which PARC outperforms state-of-the-art reach-avoid methods in near-danger goal-reaching. Furthermore, in a simulated demonstration, PARC enables the generation of provably-safe extreme vehicle dynamics drift parking maneuvers. A preliminary hardware demo on a TurtleBot3 also validates the method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google