동적 환경에서의 충돌 예측 확률을 이용한 지역적 충돌 회피 알고리즘

Abstract

자율적으로 경로를 계획하면서 주행하는 자율주행 로봇의 핵심 기능은 효율적인 충돌 회피와 경로 생성이다. 지역 경로 계획자(local path planner)는 충돌 회피를 위해 짧은 시간 동안 장애물과의 충돌 없는 경로를 지역적으로 생성하고, 이 과정을 목표 지점에 도달할 때까지 반복한다. 이러한 지역 경로 계획자의 충돌 회피 알고리즘은 동적 환경에서도 효율적으로 작동해야 하며 즉각적인 충돌 회피가 가능해야 한다. 그러나 기존의 지역 경로 계획자는 여전히 정적 장애물만을 고려하거나, 장애물의 정확한 위치 및 속도 정보를 알고 있다는 가정에 따라 로봇의 경로를 계획하므로 실제 로봇에 적용할 때 통신 의존성 등의 한계점을 보인다. 본 논문에서는 충돌 예측 확률에 기반한 동적 환경에서의 장애물 회피 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 효율적인 계산으로 Robot Operating System (ROS)의 지역 경로 계획법에 사용되는 Dynamic Window Approach (DWA)를 기반으로 확률 기반의 동적 장애물 회피 기능을 추가하는 형태로 연구되었다. 제안하는 접근법은 먼저 2차원 LiDAR 센서를 사용하여 주변 장애물의 동적 궤적을 예측하고 그에 따른 충돌 예측 시간을 계산한다. 이를 이용하여 충돌 회피 확률을 계산하고 DWA의 경로 비용함수 최적화에 반영한다. 이로써 로봇이 충돌 가능성이 큰 속도로 주행하는 것을 최소화한다. 제안하는 알고리즘의 성능은 Gazebo 시뮬레이터를 이용하여 동적 장애물이 주어진 환경에서 터틀봇3의 네비게이션을 이용하여 실험하였다. 기존의 DWA 알고리즘과 본 논문에서 제안하는 알고리즘을 통한 로봇의 충돌 회피 동작, 경로, 그리고 소요 시간을 비교한 결과, 본 논문에서 제안하는 알고리즘이 동적 환경에서 더 유연한 충돌 회피 기동을 보이고 더 효율적인 방법 (거리 및 시간)으로 주행함을 볼 수 있었다.;The key functions of the autonomous mobile robot (AMR) navigation are creating an efficient path and avoiding collision. To avoid collision, local planners generate collision-free path for a short period time and repeat this process until reaching goal position. Local planners should also make an immediate, and efficient collision-free path in dynamic environments. However, many local planners still plan their path considering only static obstacles. Besides, local planners still assume that the robot has exact information about obstacles' velocity and position, which makes limitations when applied to real robot. Therefore, in this dissertation, a dynamic obstacle avoidance algorithm based on the collision probability is proposed. The proposed algorithm complements DWA (Dynamic Window Approach), which is mainly used as a local planner in ROS (Robot Operating System), to have avoidance function for dynamic environments. The proposed approach firstly predicts the trajectory of nearby obstacles by using a 2D-LiDAR sensor, then calculates time-to-collision for each obstacle. The collision avoidance probability based on time-to-collision is then calculated and added in the cost function of DWA to find a path with the highest value. This method avoids robot from driving at a speed which is more likely to cause a collision. We tested the performance of the proposed algorithm by using Gazebo simulator with dynamic environments and executing navigation for Turtlebot3. We compared collision-free movement, path, and total time of DWA algorithm and proposed algorithm. The experimental results show that the proposed algorithm creates flexible collision-free path in a dynamic environment than the existing DWA algorithm and drives in a distance-efficient and time-efficient manner.