High-level spatial Dubins airplane-based reference smoothing with low-level geometric tracking for quadrotor control

以下は、Mogens Plessenによる論文「High-level spatial Dubins airplane-based reference smoothing with low-level geometric tracking for quadrotor control」の詳細な技術要約の日本語訳です。

問題設定

本論文は、クアッドローターを「エッジの多い（edgy）」参照経路に対して制御するという課題に取り組んでいます。ここでいう「エッジの多い」経路とは、ウェイポイント間の間隔が広く、急激な方向変化（例：90度のターン）を含む疎なウェイポイント集合を指します。また、経路の片側に障害物がある場合のような、横方向の制約（lateral constraints）を満たすことも求められます。

著者らは、既存の文献における以下のギャップを指摘しています：

1. 複雑で高次元な非線形モデル予測制御（NMPC）を必要とし、ハイパーパラメータの調整が困難で、予測ホライゾンが短い。
2. スプラインベースの平滑化（B-スプラインやベジェ曲線など）を用いるが、疎なウェイポイントを密接に追従できなかったり、特定の用途への適合性に欠けたりする場合がある。
3. 低レベルコントローラが直接エッジの多い参照経路を追従しようとするため、「コーナーカット（内輪差によるショートカット）」が発生したり、横方向の安全制約に違反したりする。

本研究の目的は、プランニングからトラッキングに至るまでの複雑さを階層的に低減し、制御点だけでなく経路全体にわたって軌道整形能力を維持しつつ、ハイパーパラメータの数を最小限に抑える手法を開発することです。

手法

提案されている解決策は、高レベルの参照平滑化と低レベルの幾何学的トラッキングを組み合わせた、二層構造のアプローチです。

1. 高レベル参照平滑化 (HLHS)

このステップでは、初期のエッジの多いウェイポイントから、滑らかで実行可能な参照軌道を生成します。

• モデル: 4つの状態（位置 $(x, y, z)$ およびヨー角 $\psi$）を持つ**ダビンズ飛行機モデル（Dubins airplane model）**を利用します。このモデルにより、次元削減と $z$ 方向のダイナミクスのデカップリングが可能になります。
• 最適化: 空間モデリング手法を用いた**線形計画法（LP）**として定式化されます。目的関数は、以下の制約条件下で横方向の誤差を最小化することです：
  • 横方向の制約（例：障害物を避けるために経路の右側に留まること）。
  • ロール角の制限（$\phi_{min} \leq \phi_k \leq \phi_{max}$）。
  • このLPは小規模であり、10mのホライゾンと1mの間隔の場合、最適化変数は約21個のみとなります。
• フィルタリング: 低レベルコントローラに必要な代数的な滑らかさを確保するため、LPの出力に対して後処理としてのフィルタリング（サビツキー・ゴーレイ法または指数移動平均）が適用されます。
• 速度プロファイリング: 以下の要素に基づいて速度プロファイルが割り当てられます：
  • クルーズ速度。
  • ダビンズモデルから導出されたロール角に基づく速度上限（$v_{roll}^{max}$）。
  • 目標位置でクアッドローターを停止させるための、ニュートンの第二法則から導出された制動プロファイル（$v_{brake}^{max}$）。
  • 最終的な参照速度は $v_{ref}(s) = \min(v_{cruise}, v_{roll}^{max}, v_{brake}^{max})$ となります。これにより、非一様な空間補間が可能となり、これは低レベルコントローラのフィードフォワード項にとって極めて重要です。

2. 低レベル参照トラッキング

このステップでは、完全なクアッドロータのダイナミクスを用いて、平滑化された参照の追従を実行します。

• モデル: 完全な12状態クアッドロータモデル（位置、速度、オイラー角、および角速度）を使用します。
• コントローラ: [14]に基づく**幾何学的トラッキングコントローラ（geometric tracking controller）**を採用しています。このコントローラは、オイラー角に関連する特異点や、クォータニオンに伴う曖昧さを回避します。
• 実装: コントローラは、参照軌道の位置、速度、加速度、およびヨー角から導出されるフィードフォワード項に大きく依存します。高レベルステップで生成された非一様な空間グリッドは、これらの微分値を正確に抽出するために不可欠です。
• チューニング: コントローラは4つの対角チューニング行列（$K_p, K_v, K_R, K_\Omega$）を使用します。論文では、これらが広範な微調整を行うことなく、桁数（10の累乗）に基づいて選択されたことが述べられています。

3. 運用モード (M1 および M2)

論文では、手法の2つのバリエーションを定義しています。

• 手法 M1 (オフライン・プランニング): 高レベルの平滑化が、経路全体に対してオフラインで一度だけ行われます。得られた滑らかな参照がオンラインで追従されます。これは静的な環境（例：農業分野のエリアカバー）に適しています。
• 手法 M2 (オンライン・リカリング・プランニング): 高レベルの平滑化が、限定された空間予測ホライゾン $H$ にわたって、オンラインでリカリングホライゾン方式で行われます。各ステップにおいて、現在の位置から元のエッジの多い経路へと接続され、平滑化された後に追従されます。これは動的な環境や、ウェイポイントが変化する場合に適しています。

主な貢献

1. 階層的な複雑さの低減: 本手法は、プランニングには低次元のダビンズモデルを用い、トラッキングには完全なモデルを用いることで問題を分離しており、フルNMPCと比較して計算負荷を大幅に軽減しています。
2. 空間的LP定式化: 空間モデリングとダビンズ構造を活用することで、プランニングステップがハイパーパラメータフリーの目的関数（横方向誤差の最小化）を持つ小規模な線形計画法に簡略化されています。
3. 横方向制約の処理: 本アプローチは、軌道全体にわたって横方向の制約（例：片側の障害物回避）を明示的に強制し、コーナーカットを防止します。
4. 速度プロファイルの統合: 動的な制約（制動およびロール制限）に基づく非一様な空間グリッドの生成により、低レベルコントローラがフィードフォワード要件に適合した参照を受け取れるようになっています。

数値実験の結果

ノートPC（Intel Core i9）を用い、M1およびM2を、カスケードPIDコントローラおよび異なる平滑化フィルタと比較する3つの数値実験が行われました。

• 性能: 提案された幾何学的コントローラは、カスケードPIDアプローチを大幅に上回りました。例1（M1）において、幾何学的コントローラは 0.174 m（SGフィルタ使用時）のRMSEを達成しましたが、PIDコントローラは 0.324 m および 0.356 m のRMSEとなりました。
• フィルタリング: サビツキー・ゴーレイ（SG）フィルタは、指数移動平均（EMA）フィルタよりも精度がわずかに高く（RMSEが9%低い）、精度面で優れていました（ただし、EMAの方が代数的には単純です）。
• M1 vs. M2:
  • M1 は、大きなホライゾンにわたって一貫したトラッキングを提供し、計算コストも低いです（LPの解法時間は ~0.007–0.017s）。
  • M2 は、効果的なオンラインプランニングを示しました。予測ホライゾンを大きくする（$H=10$m から $20$m へ）と、トラッキング性能が向上（より先読みした操作が可能に）しましたが、解法時間も増加しました（0.008s 対 0.003s）。
  • オーバーシュート: M2は、限定されたホライゾンによるオーバーシュート挙動を示しました。著者らは緩和策として、プランニングを2番目のサンプリング時間ごとにのみ実行し、その間はシフトさせた前回のプランを使用することを提案しており、これにより安定性を損なうことなく計算負荷を軽減できます。

意義と主張

本論文は、提案された二段階のアプローチが以下のことを成功裏に達成したと主張しています：

• 低い計算コストで、エッジの多い参照経路を広いプランニングホライゾンにわたって平滑化する。
• 参照追従の精度と、横方向の軌道整形能力を維持する。
• ハイパーパラメータの数を最小限に抑える（LPの目的関数はハイパーパラメータフリーであり、コントローラのチューニングは大きさの選択に限定される）。
• 複雑なNMPCやスプラインベースの手法に対する、実行可能な代替案を提供する。特に、厳格な横方向の制約（障害物の輪郭追従など）を必要とするアプリケーションにおいて有効である。

著者らは限界についても認めており、本手法がプランニングにおいて（完全なクアッドロータのダイナミクスの近似である）ダビンズモデルに依存していることを指摘しています。今後の課題として、完全な12状態モデルを最適化ステップで使用することが挙げられますが、それには大幅な複雑化と初期化の課題が伴います。