A Closed-Form Dual-Barrier CBF Safety Filter for Holonomic Robots on Incrementally Built Occupancy Grid Maps

기술 요약: 점진적으로 구축된 점유 그리드 맵에서 작동하는 홀로노믹 로봇을 위한 폐형식 이중 장벽 CBF 안전 필터

문제 제기
본 논문은 동시 위치 추정 및 매핑 (SLAM) 을 통해 점진적으로 맵이 구축되는 환경에서 작동하는 홀로노믹 로봇 (특히 쿼드콥터) 의 안전-중요 속도 제어 문제를 다룹니다. 이러한 시나리오에서 로봇은 매핑된 장애물을 회피하고, 장애물 기하학이 완전히 알려지지 않은 미매핑 영역을 회피하는 두 가지의 동시에 발생하며 종종 상충되는 안전 요구사항에 직면합니다. 인공 퍼텐셜 필드 (APF) 와 같은 고전적 반응형 제어기는 공식적인 안전 보장을 제공하지 못하며 국소 최소값에 갇힐 수 있습니다. 반면, 제약 조건을 처리할 수 있는 모델 예측 제어 (MPC) 는 고주파수 감지 및 계획 파이프라인을 실행하는 리소스 제약이 있는 온보드 컴퓨터 (예: Raspberry Pi) 에서는 종종 prohibitive 한 계산 부하를 부과합니다. 핵심 문제는 기본 명목 제어기를 수정하지 않고도 공식적인 안전 보장을 보장하면서 최소한의 계산 오버헤드로 장애물 회피와 프런티어 (탐사 경계) 유지를 모두 강제하는 안전 계층을 설계하는 것입니다.

방법론
저자들은 점유 그리드 맵에서 직접 작동하는 이중 장벽 제어 장벽 함수 (CBF) 안전 필터를 제안합니다. 방법론은 다음과 같이 구성됩니다:

1. 이중 안전 제약 조건: 시스템은 점유 그리드에서 유도된 부호 거리장 (SDF) 을 기반으로 두 가지 안전 집합을 정의합니다:
   • 장애물 제약 ($C_1$): 로봇이 매핑된 장애물로부터 안전 거리를 유지하도록 보장합니다.
   • 프런티어 제약 ($C_2$): 충돌 위험이 정량화할 수 없는 미매핑 영역 (탐사된 프런티어 너머) 으로 로봇이 진입하는 것을 방지합니다.
2. 허용 가능한 형태화 클래스: 원시 SDF 값을 사용하는 대신, 저자들은 단조성, 리프시츠 연속성, 부호 보존성, 그리고 유계성을 갖는 허용 가능한 클래스 $\mathcal{T}$의 형태화 함수 $T$와 SDF 를 합성합니다. 이들은 수치적 안정성과 컴팩트한 도함수를 제공하는 쌍곡 탄젠트 함수 ($\tanh$) 를 사용하여 이 클래스를 구체화합니다.
3. 폐형식 해법: 모든 제어 주기마다 일반적인 2 차 계획법 (QP) 을 푸는 대신, 저자들은 이중 제약 투영에 대한 해석적 해를 유도합니다. Karush-Kuhn-Tucker (KKT) 활성 집합 4 가지 경우를 열거함으로써, 필터는 계산 작업을 최대 $2 \times 2$ 선형 시스템 해결로 축소합니다.
4. 페일백 메커니즘: 장애물 및 프런티어 제약의 기울기가 정렬되어 (하드 QP 를 실행 불가능하게 만드는) 특이한 경우, "소프트-QP" 페일백이 사용됩니다. 이는 최소 위반 안전 속도를 최소 슬랙으로 찾기 위해 이분법을 사용합니다.
5. 적응형 게인 스케줄링: 프런티어 제약에 대한 게인 매개변수 ($\gamma_2$) 는 지역적 불확실성 밀도에 따라 온라인으로 스케줄링됩니다. 제약 조건은 정보가 풍부한 영역에서는 완화되어 (공격적인 탐사 허용) 잘 매핑된 영역에서는 강화되어 안전을 보장합니다.
6. 시스템 통합: 필터는 속도 공간에서 최소 침습적 수정으로 작용하며, 임의의 명목 제어기 (여기서는 RRT*-APF 제어기로 시연됨) 와 투명하게 결합됩니다.

주요 기여
본 논문은 로봇 안전 분야에 세 가지 주요 기여를 합니다:

1. 이중 장벽 공식화: 기존 단일 장벽 점유 그리드 맵 CBF (OGM-CBF) 프레임워크를 이중 공식화로 일반화합니다. 이는 장애물과의 근접성과 미탐사 공간으로의 이동을 동시에 패널티화하며, 형태화 함수의 클래스 수준 분석을 활용하여 CBF 조건이 성립하도록 합니다.
2. 폐형식 이중 투영: 저자들은 범용 QP 솔버를 KKT 경우의 해석적 열거로 대체합니다. 이는 주기당 계산을 작은 선형 시스템 해결로 축소하여, 무거운 SLAM 작업 부하와 함께 리소스 제약이 있는 동반 컴퓨터에서 필터 실행을 가능하게 합니다.
3. 적응형 프런티어 게인: 프런티어 장벽에 대한 적응형 게인 스케줄 도입은 지역적 맵 불확실성에 기반하여 탐사 효율성과 안전 사이의 동적 균형을 가능하게 하여, 공식적 보장을 훼손하지 않으면서 항해 성능을 향상시킵니다.

실험 결과
시스템은 PX4 v1.16 및 ROS 2 Jazzy 를 실행하는 Raspberry Pi 4B, Intel RealSense D435i 카메라, TFMini 레이저 거리계로 장착된 커스텀 쿼드콥터 (CUAV Nano 7) 에 대한 시뮬레이션 및 하드웨어 실험을 통해 검증되었습니다.

• 시뮬레이션: RRT*-APF 기준선과 비교하여 CBF 활성화 접근법은 안전을 유지하면서 훨씬 더 넓은 탐사 영역 (81.68 m² 대 56.35 m²) 을 달성했습니다. 기준선 제어기는 보수적인 반발로 인해 "게으른" 탐사를 보인 반면, CBF 필터는 경계 근처에서 "모험적인" 항해를 가능하게 했습니다.
• 하드웨어: 실내 환경에서 세 번의 자율 탐사 주기가 수행되었습니다. 필터는 모든 주기에서 장애물 접촉을 성공적으로 방지했습니다. 소프트-QP 페일백은 결코 트리거되지 않았으며, 이는 폐형식 해법이 제약 조건을 효과적으로 처리했음을 나타냅니다. 관찰된 최소 여유 거리는 0.25 m 였으며, 필터는 명목 속도가 안전 마진을 위반했을 때만 개입했습니다.
• 성능: 필터는 최소한의 오버헤드로 실행되어 감지 및 계획 스택을 위한 충분한 계산 예산을 남겼습니다.

의의 및 주장
본 논문은 이 접근법이 (학습 기반 프레임워크를 포함한) 기본 항해 정책의 수정 없이 점진적으로 구축된 미지 환경에서 작동하는 로봇에 공식적인 안전 보장을 제공한다고 주장합니다. 폐형식 해법을 유도함으로써 저자들은 엄격한 안전 필터링이 저비용 하드웨어에서 계산적으로 가능함을 입증하여, 실제 세계의 비구조화된 환경에서 자율 로봇을 배포하는 데 있어 중요한 병목 현상을 해결했습니다. 이 작업은 이중 장벽 CBF 를 공격적인 탐사와 충돌 회피 사이의 긴장을 해결하는 실용적인 "안전 래퍼"로 위치시켜, 로봇이 알려진 장애물과 현재 지식의 한계로 정의된 안전 제약 조건을 엄격히 준수하면서도 효율적으로 탐사할 수 있도록 보장합니다.