複数ロボットの集中型アプローチ軌道計画：確率推論に基づく連続ガウス過程

活用例

客先ハルビン工業大学

場所の大きさ

キーワードロボット形成、軌道計画、ハルビン工業大学、モーションキャプチャ、ベイズ推論

キャプチャー対象マルチロボットフォーメーション

核心配置

複数ロボットの運動計画は、困難な課題である。多数のロボットが同じ空間内で運動学的およびフォーメーションの制約を遵守しながら、効率的な計算を通じて目的地に到達し、互いに衝突を避ける必要がある。

ハルビン工業大学の研究チームは、新しい集中型軌道生成メソッドを提案し、NOKOVメトリックモーションキャプチャーシステムを使用した実際の実験で、アルゴリズムの効率性、適応性、および拡張性を検証した。この論文はIROS2021に採用された。

論文検索ページ

アルゴリズムの原理

マルチロボットの運動計画手法は、２種類に分けられる：

分散型手法は、近隣のロボット間の局所的なインタラクションによって群行動を実現し、通信の要件が低く、拡張性が高い。しかし、個々のロボットやシステム全体のレベルで制約を加えることは困難である。

一方、集中型手法はグローバルな保証を提供し、合理的な制約を設定することが可能だが、ロボットの数が増加するにつれて、スケーラビリティは低下する傾向がある。

研究グループは、著名な運動計画手法であるGPMP2をマルチロボット環境に適用し、スパースガウス過程モデルを使用して、マルチロボットの運動軌道を効率よく計算する。

フォーメーションの制約を加えることで、マルチロボットの隊列は変化する地形に適応的に進むことができる。さらに、ベイズ木のデータ構造を活用して運動軌道を更新するインクリメンタルリプランニングアルゴリズムを提案し、迅速なオンライン操作を実現する。

実験手順

研究チームは、アルゴリズムフレームワークをクワッドローターの一連の飛行機でテストした。

実験は3つの典型的なシナリオで行われた：フォーメーションを保持する、目的地の変更に基づいて再計画する、そして空間の幅が変化する際に適応的にフォーメーションを変更する。

Crazyflieナノクワッドコプターの一群は、NOKOVモーションキャプチャシステムの監視のもとで実験が行われた。これらの飛行機は、CrazyRadio PAを介してNOKOVモーションキャプチャシステムから情報を受け取り、位置を特定した。

実験1＋実験2の飛行軌跡、2.4秒と7.0秒のスナップショット。元の目標は正方形で、新しい目標は三角形でマークされている

実験1+実験2：フォーメーションを維持しつつ、目的地を変更してリプランニング

実験1では、4機のクアッドコプターが障害物を避けつつ、正方形のフォーメーションで目標に向かって飛行した。必要に応じてフォーメーションにトレードオフを行うことがあり、旋回時にはわずかにねじれが生じるが、よりスムーズな旋回を実現した。

実験2では、クアッドコプターのフォーメーションが元の目標に向かって飛行中、突然目標点を変更した。t = 7秒の時点で、目標点は元の目標とは反対方向に移動された。インクリメンタルリプランニングアルゴリズムは、わずか4ミリ秒以内に新しい目標への軌道を更新し、リアルタイム性の要求を満たした。

実験3：幅の異なる空間での適応的なフォーメーション変更

6機のクアッドコプターは、2.5メートル、1.5メートル、3.5メートルの3つの異なる幅の空間を通過した。グローバルプランニングアルゴリズムによって計算された異なるフォーメーションと実行のタイミングは、(i) 1秒から2秒: 3×2の配置、(ii) 4秒から7秒: 2×3の配置、(iii) 9秒から10秒: 6×1の配置だった。