STR Robot: Design of an Autonomous Mobile Robot from Simulation to Reality

技術概要：STR ロボット：シミュレーションから実世界への自律移動ロボットの設計

問題定義
屋外環境における自律移動ロボットの開発は、センシングの不確実性、モデルの不一致、限られた計算リソースといった重大な課題に直面しています。シミュレーションツールはプロトタイピングのための安全かつ効率的な環境を提供しますが、センシングの差異や環境の複雑さによる不一致のため、シミュレーションから実世界への展開におけるナビゲーションフレームワークの移行は依然として困難です。さらに、既存のナビゲーションシステムは、統合されたオンボードシステムではなく、局所化、計画、制御を個別のモジュールとして扱う傾向があります。特に、振動挙動やコーナーカットを回避するために滑らかな軌道追跡を必要とするアクマーン操舵車のような非ホロノミックプラットフォームに対して、これらの統合課題に対処する実用的で再現性のある「シミュレーションから実世界へ」のパイプラインの必要性が特に高まっています。

手法
本論文は、既存の機械プラットフォームを基盤とした完全なシミュレーションから実世界への自律ナビゲーションフレームワークを提案します。システムは、オンボード局所化とマッピング、グローバル経路計画、経路追跡という 3 つの主要モジュールに構成されています。

1. オンボード局所化とマッピング:
   システムは二層推定アーキテクチャを採用しています。局所的な拡張カルマンフィルタ（EKF）は、高レートで取得される車輪エンコーダと IMU データを、低レートのスキャンベースのオドメトリ（LiDAR-慣性または LiDAR-慣性-視覚）と融合させ、コントローラ向けに滑らかで高周波数の状態フィードバックを提供します。グローバルレベルでは、2 次元占有マップに対する ICP ベースのスキャンからマップへのマッチングを用いて、2 番目の推定器が局所オドメトリフレームを補正します。マッピングについては、システムは通常の照明条件下では FAST-LIVO2 を、低照度条件下ではフォールバックとして FAST-LIO2 を利用し、登録された 3 次元点群を生成し、地上ナビゲーションのために 2 次元占有グリッドに投影します。

2. 経路計画:
   グローバルプランナは、2 次元グリッドマップ上で改良された A* アルゴリズムを使用します。安全性を確保するため、障害物は車両の寸法に基づいて拡張されます。コスト関数は方向転換を罰則化するように修正され、より滑らかな経路を促します。事後処理により、冗長な変曲点が除去され、軌道がさらに平滑化されます。実行中は、ローカル障害物回避モジュールが C2 滑らかな曲線（ベジエ曲線）を使用して参照経路を動的に更新し、グローバルルートを保ちながら移動する障害物を回避します。

3. 経路追跡（A-GMPC）:
   核心的な革新は経路追跡コントローラにあります。著者は、線形化されたユークリッド誤差状態を使用する標準的なモデル予測制御（MPC）ベースラインと、提案する**アクマーン幾何学 MPC（A-GMPC）**を比較します。

   • 幾何学的定式化: A-GMPC は、ユークリッド空間ではなく $SE(2)$ 多様体上で直接追跡誤差を定義し、空間的一貫性を向上させます。
   • 入力増分最適化: アクマーン操舵の物理的制約に対処し、過激な制御動作を防ぐため、コントローラは絶対入力ではなく、入力増分（$\Delta u_k$）を最適化します。これにより、操舵と速度の急激な変化が罰則化され、より滑らかな作動が促進されます。
   • 実装: コントローラは、アクチュエータの限界を条件とした有限ホライズンの二次最適化問題を解き、最適化された線形/角速度コマンドを運動学的自転車モデルを介してアクマーン操舵角（$\delta$）に変換します。

主要な貢献
本論文は、以下の 3 つの主要な貢献を概説しています。

• 完全なシミュレーションから実世界へのパイプライン: 著者は、オンボード局所化、経路計画、経路追跡を統合した統一フレームワークを提示し、まず Gazebo シミュレーションで、その後物理ロボット上で検証しました。
• A-GMPC の統合: 本作業は、アクマーン指向の幾何学 MPC コントローラを統合自律スタックに導入しました。このコントローラは、$SE(2)$ 幾何学誤差定式化と入力増分最適化を活用し、非ホロノミックプラットフォームに対する追跡の滑らかさと精度を向上させます。
• オープンソース化: 実験設定、ソースコード、および結果は、再現性の促進とさらなる研究を支援するためにコミュニティに公開されました。

結果
このフレームワークは、0.6 m/s から 1.5 m/s のさまざまな速度におけるレムニスケートおよび正方形の軌道に関するシミュレーションおよび実世界実験を通じて評価されました。

• 経路計画: 改良された A* アルゴリズムは、ベースラインと比較して、経路計画時間のわずかな増加を伴うものの、より短く（22.35m 対 25.52m）、かつ著しく滑らかな経路（総旋回角度 170.55°対 3712.50°）を生成しました。
• 経路追跡（シミュレーション）: A-GMPC は、両方の軌道において標準 MPC よりも低い二乗平均平方根誤差（RMSE）を示し、レムニスケート経路では顕著な改善（0.0764m 対 0.1215m）が見られました。
• 経路追跡（実世界）: 物理実験において、A-GMPC はテストされたすべての速度と軌道にわたり、標準 MPC を一貫して上回りました。例えば、1.5 m/s の正方形軌道において、A-GMPC は 0.6182m の RMSE を達成し、標準 MPC の 1.1475m と比較されました。これらの結果は、幾何学的定式化と入力増分最適化が、鋭い機動中の追跡誤差を効果的に軽減することを示しています。
• 実行時間: 両方のコントローラは、必要な 30 Hz の制御ループ（33.3 ms）内で動作し、リアルタイムの実現性を確認しました。

意義と主張
本論文は、提案されたアプローチが自律移動ロボットのための堅牢なシミュレーションから実世界への展開の実現可能性を示していることを主張しています。現代の計画および追跡モジュールを統合されたオンボードシステムに統合することで、この作業はシミュレーションと現実の間のギャップを埋める実用的なパイプラインを確立しています。著者は、制御戦略（A-GMPC など）が物理ハードウェアの特定の運動学的制約とアクチュエータの限界を処理するように設計されている限り、シミュレーションは信頼性の高いシステムを開発するための効果的な基盤を提供すると強調しています。この作業は、動的な屋外ナビゲーションにおけるすべての課題を解決すると主張するものではありませんが、アクマーン操舵プラットフォーム上での滑らかで安全かつ自律的なナビゲーションのための検証済みのフレームワークを提供します。今後の作業は、より複雑な環境における人間や移動物体の堅牢な追跡に焦点を当てることが特定されています。