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、パフォーマンスを犠牲にしてはならず、古典的な到達回避問題、つまり目標に到達し、障害物を回避することが保証される軌道を見つけなければなりません。
このペーパーでは、狭いギャップとも呼ばれる危険に近いケースについて説明します。このケースでは、エージェントはゴール近くから開始しますが、進路を妨げる狭い障害物を通過しなければなりません。
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を構築しています。
既存のアプローチでは、到達可能性解析を使用してこれらのモデル間の誤差を過大近似し、安全性を確保していますが、そうすることで数値近似誤差の保守性が生じ、目標到達が妨げられます。
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を上回る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: find a trajectory that is guaranteed to reach a goal and avoid obstacles. This paper addresses the 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 the common approach of using a simplified planning model to generate plans, which are then tracked using a high-fidelity tracking model and controller. Existing approaches use reachability analysis to overapproximate the error between these models and ensure safety, but doing so introduces numerical approximation error 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