LiDARFlow、未知環境でLiDARのみからパネル型回避を実現する軽量MAV誘導

未知の非協調環境において、事前地図なしでLiDARのみを用い、MAVを安全に誘導できるか。

捜索救助や災害対応では、MAVは事前地図のない未知環境で飛行する必要がある。既存手法は、最適化ベースでは地図構築や最適化計算が重く、小型MAVの搭載計算資源で高い再計画レートを維持するのが難しい。反応型手法は地図不要で低計算コストだが、局所最小値や振動、安全性保証の欠如が弱点となる。また、パネル法による調和ポテンシャル場は従来、障害物の事前知識を前提とし、未知環境では地上ロボットやシミュレーション検証に限られていた。

最適化ベースのFASTER、MADER、HDSM、DYNUS、SANDOなどは衝突回避軌道を保証するが計算負荷が高い。EGO-Planner、EGO-Swarm、SUPERなど勾配ベースのソフト制約手法は高速だが正式な安全保証がない。反応型では、LiDAR点群に直接作用する制御バリア関数フィルタ、速度障害物・ORCA、ポテンシャル場などが使われるが、完全性や最適性、振動、局所最小値の問題がある。パネル法の先行研究[14]は障害物の位置と形状を事前に必要とし、[16]はHILシミュレーション、[18]はシミュレーションのみ、[17]は地上ロボットの検証であった。

名目運動に収束誘導ベクトル場[13]を用い、障害物回避にパネル法に基づく調和ポテンシャル場PGFlow[14,15]を重ね合わせる。障害物はLivox MID-360の点群からオンラインで抽出する。点群を0.2mボクセルでダウンサンプリングし、ROIをx,y∈[-3,3]m、z∈[0.5,3]mに制限し、クラスタリングと反復RANSAC線分抽出で障害物パネルを生成し、時系列セグメントマップで信頼度管理する。抽出したパネルをPGFlowに渡し、水平面の反発場を名目誘導に重ねて速度指令を生成する。システム全体はRaspberry Pi 5上でC++ドライバとPython/PGFlowをTCPで接続し、Paparazziオートパイロットへ指令を送る完全オンボード構成である。

屋内10×10mのENACフライトアリーナで単一クアッドロータを用い、状態は外部OptiTrackで取得、障害物は固定配置だが機体には未知として検証した。最大速度は0.5m/s、vd=0.5m/s、kc=1。ウェイポイント航法ではA=(-2,-4)m からB=(2,4)mへ往復し、(-1.5,-1.75)mと(-0.5,2)mの2障害物を回避して成功した。方向指令追従では初期方向(0,1)から(1,0)へ変更し、(-2,1)、(1.5,0.5)、(-1,-2)mの3障害物を回避して成功した。両シナリオで衝突なしでタスクを達成したが、軌道には振動と急旋回が見られた。PGFlowは100Hzで実行可能。障害物更新周波数と最大パネル数の関係は、1Hzで2025、5Hzで1100、10Hzで725、20Hzで506と報告された。

著者は、障害物検出アルゴリズムがフレーム間で寸法を不規則に変化させ、反発力の変動による軌道振動を引き起こしたと述べた。検証速度は約0.5m/sと低く、高速飛行では未検証。障害物はすべて静止しており、高速移動障害物には設計上対応していない。外部OptiTrackによる状態推定に依存し、機上状態推定は行っていない。誘導は水平面のみでz軸方向の運動は無視。凸障害物のみを扱い、凹障害物では局所最小値が生じる可能性がある。単一MAVのみで、複数機には拡張していない。コード公開の有無や統計的な試行回数は論文では報告されていない。査読済みではないプレプリントである。