[논문]Adaptive RRT를 사용한 고 자유도 다물체 로봇 시스템의 효율적인 경로계획

김동형; 최윤성; 염서군; 라로평; 이지영; 한창수

doi:10.5302/j.icros.2015.14.0095

Abstract ▼ AI-Helper

This paper proposes an adaptive RRT (Rapidly-exploring Random Tree) for path planning of high DOF multibody robotic system. For an efficient path planning in high-dimensional configuration space, the proposed algorithm adaptively selects the robot bodies depending on the complexity of path planning....

This paper proposes an adaptive RRT (Rapidly-exploring Random Tree) for path planning of high DOF multibody robotic system. For an efficient path planning in high-dimensional configuration space, the proposed algorithm adaptively selects the robot bodies depending on the complexity of path planning. Then, the RRT grows only using the DOFs corresponding with the selected bodies. Since the RRT is extended in the configuration space with adaptive dimensionality, the RRT can grow in the lower dimensional configuration space. Thus the adaptive RRT method executes a faster path planning and smaller DOF for a robot. We implement our algorithm for path planning of 19 DOF robot, AMIRO. The results from our simulations show that the adaptive RRT-based path planner is more efficient than the basic RRT-based path planner.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문은 고 자유도 다물체 로봇 시스템을 대상으로 한 adaptive RRT 알고리즘을 제안한다. 적응적 바디 선택 방법을 통해 로봇을 구성하는 바디들 중 장애물 회피 및 목표 접근에 필요한 일부 바디를 선택한다.

가설 설정

Case 3-1 (NUM_EXT_FAIL(q) = 0 인 경우 (알고리즘 1의 7~8행)): 이전 알고리즘 반복 시 q에서 RRT 확장 실패 경험이 없는 경우이므로, 추가로 더 많은 바디를 선택하지 않고 RRT 확장이 가능하다고 가정한다. 따라서 ADAPT_BODY_SELECT는 가장 큰 가중치를 갖는 바디와 장애물과 근접한 바디들, 즉 { b_base }U B_obs 를 반환한다.
그리고 각 바디에는 동일한 index를 갖는 좌표계가 부착되어 있고, 이를 b_i좌표계라고 한다. 시스템은 단일 기저 바디와 다수의 팁 바디 (tip body)를 갖는 tree-topology 시스템을 가정하며, 병렬 로봇과 같이 폐루프 (closed loop) 구조를 갖는 다물체 로봇 시스템은 다루지 않는다. 따라서 기저 바디와 팁 바디를 제외한 바디들은 하나의 부모 바디 (parent body)와 다수의 자식 바디 (child body)를 갖는다.
일반적인 다물체 로봇 시스템을 다루기 위해 총 m개의 서로 연결된 바디로 구성된 시스템을 가정하자. 여기서 바디는1개 이상의 관절을 포함하는 강체 링크를 의미하고, 관절은 직선 (prismatic) 및 회전 (revolute) 관절만을 고려한다.

제안 방법

이렇게 제안된 방법을 19 자유도 로봇인 AMIRO의 경로계획에 적용하였으며, 두 가지 작업 시나리오에 대해서 각각 시뮬레이션 하였다. 동일한 조건에서 기존 RRT 알고리즘을 적용한 경로계획 결과와 비교함으로 제안된 알고리즘의 성능을 검증하였다.
본 논문은 adaptive RRT 알고리즘을 제안하고 이를 고 자유도 다물체 로봇 시스템의 경로계획에 적용하였다. 19자유도 로봇인 AMIRO의 경로계획을 두 가지 시나리오 ‘작업 책상으로 접근’, ‘좁은 입구 통과’에 대해서 수행하였으며, 각각의 시나리오에서 기존 사용되던 RRT 알고리즘 기반 경로계획보다 1.
일반적으로 단일 tree를 사용하는 single RRT 보다 두 개의 tree를 사용하는 bidirectional RRT 경로계획 방법이 더 짧은 경로계획 시간을 보이므로[2], 본 논문은 bidirectional RRT 기반 경로 계획기를 사용한다. 알고리즘 3의 1행에서 두 개의 tree, T_a와 T_b를 초기화 시키는데 이들의 root는 각각 q_start와 q_goal가 된다.
복수 로봇 경로계획의 경우, 이를 위한 부분 차원 확장(sub-dimensional expansion)방법이 [5]와 [6]에서 소개되었다. 이 연구에서는 먼저 개별 로봇의 최적 경로를 먼저 찾은 뒤 하나의 탐색 공간에서 합쳐 전체 로봇 경로를 결정한다. 이 탐색 공간은 차원이 가변 하는 탐색 공간으로, 부분 차원 확장을 통해 형성된다.
이와 같은 결과로 적응적 차원에서 경로 계획이 가능하며 따라서 일반적인 RRT기반 경로계획보다 더 빠른 경로 계획 시간을 기대할 수 있다. 이렇게 제안된 방법을 19 자유도 로봇인 AMIRO의 경로계획에 적용하였으며, 두 가지 작업 시나리오에 대해서 각각 시뮬레이션 하였다. 동일한 조건에서 기존 RRT 알고리즘을 적용한 경로계획 결과와 비교함으로 제안된 알고리즘의 성능을 검증하였다.

대상 데이터

본 논문은 다물체 로봇 시스템의 예로 한국기계연구원 및 다수의 연구소와 기업이 연구용으로 개발한 로봇인 AMIRO를 다룬다[13]. 그림 1과 같이 AMIRO는 총 8개의 바디로 구성된다 – 좌/우 상완 (upper arm) (b₆, b₃), 좌/우 전완 (forearm)(b₇, b₄), 좌/우 손 (b₈, b₅) 및 상/하 몸체 (b₂, b₁).

이론/모형

이 탐색 공간은 차원이 가변 하는 탐색 공간으로, 부분 차원 확장을 통해 형성된다. 이 부분 차원 확장 방법은 그래프 탐색 방법인 M* [5], 그리고 확률적인 경로계획 방법인 PRM(Probabilistic Roadmap)과 RRT (Rapidly-exploring Random Tree)로 적용되었다[6]. 예를 들어 RRT의 경우, RRT가 확장되는 탐색공간을 부분 차원 확장 장법으로 결정된 공간으로 제약시킨다.

성능/효과

본 논문은 adaptive RRT 알고리즘을 제안하고 이를 고 자유도 다물체 로봇 시스템의 경로계획에 적용하였다. 19자유도 로봇인 AMIRO의 경로계획을 두 가지 시나리오 ‘작업 책상으로 접근’, ‘좁은 입구 통과’에 대해서 수행하였으며, 각각의 시나리오에서 기존 사용되던 RRT 알고리즘 기반 경로계획보다 1.93배 및 1.69배 더 빠른 경로계획 시간을 보였다. 이를 통해 고 자유도의 로봇이 항상 모든 자유도를 사용해야만 목표 자세까지 도달할 수 있는 경우를 제외하고, 주변 환경의 복잡한 정도에 따라 적응적인 차원의 검색 공간에서 경로계획이 보다 효율적임을 검증하였다.
첫 번째는 작업 책상으로 접근하는 시나리오이고, 두 번째 시나리오는 좁은 입구를 통과하는 시나리오이다. Adaptive RRT 기반 경로계획 방법의 성능을 검증하기 위해, 각 시나리오에 대해서 제안된 방법과 기존 RRT의 bidirectional 경로계획 방법인 RRT-ExtExt 알고리즘을 각각 10회씩 반복한다. 그리고 두 방법간에 10회 동안 수행된 경로계획 평균 시간을 비교한다.
동일한 첫 번째 시나리오를 대상으로 adaptive RRT 기반 경로계획은 평균 2.67초, RRT-ExtExt 알고리즘 기반 경로계획은 평균 5.17초가 소모되었으므로 제안된 방법이 기존 방법보다 약 1.93배 더 빠른 경로계획 시간을 보였다. 그리고 adaptive RRT 기반 경로계획의 경우 결과 경로는 평균 221개의 노드로 구성되었고, 첫 번째 노드가 시작 configuration이고 마지막 221번째 노드가 목표 configuration이다.
87초가 소모되었다. 따라서 제안된 방법이 기존 방법보다 1.69배 더 빠른 경로계획 시간을 보였다. 이 두 번째 시나리오를 대상으로 adaptive RRT 기반 경로계획을 수행했을 때 결과 경로는 평균 409개의 노드로 구성되었다.
본 시나리오를 대상으로 adaptive RRT 기반 경로계획은 평균 9.39초, RRT-ExtExt 알고리즘 기반 경로계획은 평균 15.87초가 소모되었다. 따라서 제안된 방법이 기존 방법보다 1.
69배 더 빠른 경로계획 시간을 보였다. 이를 통해 고 자유도의 로봇이 항상 모든 자유도를 사용해야만 목표 자세까지 도달할 수 있는 경우를 제외하고, 주변 환경의 복잡한 정도에 따라 적응적인 차원의 검색 공간에서 경로계획이 보다 효율적임을 검증하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	경로계획이란?	양팔 로봇 혹은 휴머노이드와 같은 다관절 로봇은 고 자유도 다물체 로봇 시스템이라는 성질로 인해 고 자유도 경로계획 문제가 제기된다. 경로계획이란 로봇에게 임의의 시작 configuration (형상; 로봇의 모든 관절들의 자세)과 도착 configuration이 주어져 있을 때, 이 두 지점을 장애물과 충돌 없이 연결하는 경로를 생성하는 방법을 의미한다. 정형화되지 않은 주변 환경에서 확률적인 sampling 기반 경로계획 방법 [1,2]을 사용하여 로봇의 경로를 찾는 경우, 로봇의 configuration space (C-space, 형태 공간)를 탐색 공간 (search space)으로 여기고 이 공간 안에서 반복해 sampling되는 random configuration을 활용하여 경로를 찾는다.
	Sampling 기반 경로계획 방법은 어떻게 검증되었는가?	즉, 탐색 공간에서 경로를 확률적으로 찾는 것이다. Sampling 기반 경로계획 방법은 알고리즘의 확률적 완전성 (completeness)이 증명되었고, 이미 다양한 대상의 로봇에 적용되어 그 성능이 충분히 검증되었다. 하지만 고 차원 configuration space안에서 경로를 찾는 것은 상당한 시간이 요구되고, 경우에 따라 현실적인 시간 내 경로계획이 불가능하다.
	Sampling 기반 경로계획 방법의 단점은?	Sampling 기반 경로계획 방법은 알고리즘의 확률적 완전성 (completeness)이 증명되었고, 이미 다양한 대상의 로봇에 적용되어 그 성능이 충분히 검증되었다. 하지만 고 차원 configuration space안에서 경로를 찾는 것은 상당한 시간이 요구되고, 경우에 따라 현실적인 시간 내 경로계획이 불가능하다. 이러한 어려움 때문에 고 자유도 다물체 로봇의 경로계획은 여전히 도전적인 과제로 남겨져 있다.

참고문헌 (14)

S. M. LaValle and J. J. Kuffner, "Randomized kinodynamic planning," Proc. of International Conference on Robotics and Automation, Detroit, MI, 1999, pp. 473-479.
S. M. LaValle and J. J. Kuffner, "Rapidly-exploring random trees: progress and prospects," Workshop on the Algorithmic Foundations of Robotics, Hanover, NH, 2000.
L. Jaillet, A. Yershova, S. M. LaValle, and T. Simeon, "Adaptive tuning of the sampling domain for dynamic-domain RRTs," IEEE/RSJ International Conference on Intelligent Robots and Systems, Alberta, Canada, 2005, pp. 2851-2856.
S. Karaman, M. R. Walter, A. Perez, E. Frazzoli, and Seth Teller, "Anytime motion planning using the RRT," Proc. of IEEE International Conference on Robotics and Automation, Shanghai, China, 2011, pp. 1478-1483.
G. Wagner and H. Choset, "M $^{*}$ : a complete multirobot path planning algorithm with performance bounds," IEEE/RSJ International Conference on Intelligent Robots and Systems, San Francisco, CA, 2011, pp. 3260-3267.
G. Wagner, M. Kamg, and H. Choset, "Probabilistic path planning for multiple robots with subdimensional expansion," Proc. of IEEE International Conference on Robotics and Automation, St. Paul, MN, 2012, pp. 2886-2892.
B. J. Cohen, G. Subramanian, S. Chittay, and M. Likhachevz, "Planning for manipulation with adaptive motion primitives," Proc. of IEEE International Conference on Robotics and Automation, Shanghai, China, 2011, pp. 5478-5485.
K. Gochev, A. Safonova, and M. Likhachevz, "Planning with adaptive dimensionality for mobile manipulation," Proc. of IEEE International Conference on Robotics and Automation, St. Paul, MN, 2012, pp. 2944-2951.
N. Vahrenkamp, C. Scheurer, T. Asfour, J. Kuffner, and R. Dillmann, "Adaptive motion planning for humanoid robots," IEEE/RSJ International Conference on Intelligent Robots and Systems, Nice, France, pp. 2127-2132, 2008.
N. Vahrenkamp, T. Asfour, and R. Dillmann, "Efficient motion and grasp planning for humanoid robots," in Chapter 5 of Motion Planning for Humanoid Robots, Springer, pp. 129-160, 2010.
E. Larsen, S. Gottschalk, M. Lin, and D. Manocha, "Fast proximity queries with swept sphere volumes," Department of Computer Science, University of North Carolina, Tech. Rep. TR99-018, 1999.
E. Larsen and S. Gottschalk, "A proximity query package (Version 1.2)," http://www.cs.unc.edu/-geom/SSV, 1999.
H. Do, T. Choi, C. Park, D, Park, and J. Kyung, "Design of controller for a dual-arm robot with lightweight arm," Proc. of 2013 28th ICROS Annual Conference, Gyeong-nam, Korea, pp. 546-547. 2013.
H. Taubig, B. Bauml, and U. Frese, "Real-time swept volume and distance computation for self collision detection," Proc. of IEEE/RSJ International Conference on Intelligent Robots and Systems, San Francisco, CA, 2011, pp. 1585-1592.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Adaptive RRT를 사용한 고 자유도 다물체 로봇 시스템의 효율적인 경로계획
Efficient Path Planning of a High DOF Multibody Robotic System using Adaptive RRT 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Adaptive RRT를 사용한 고 자유도 다물체 로봇 시스템의 효율적인 경로계획 Efficient Path Planning of a High DOF Multibody Robotic System using Adaptive RRT 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

참고문헌 (14)

이 논문을 인용한 문헌

저자의 다른 논문 :

김동형 (5) 최윤성 (4) 염서군 (3) 라로평 (2) 이지영 (2) 한창수 (126)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Adaptive RRT를 사용한 고 자유도 다물체 로봇 시스템의 효율적인 경로계획
Efficient Path Planning of a High DOF Multibody Robotic System using Adaptive RRT 원문보기

AI 본문요약
AI-Helper