Core Concepts
제약 기반 확산 정책(CGD)은 충돌 회피와 동역학적 실현 가능성을 보장하는 효율적인 UAV 궤적 생성 방법이다.
Abstract
이 논문은 UAV 궤적 계획을 위한 새로운 접근법인 제약 기반 확산 정책(CGD)을 제안한다. CGD는 모방 학습(IL)과 온라인 최적화를 결합하여 충돌 회피와 동역학적 실현 가능성을 보장하는 궤적을 생성한다.
주요 아이디어는 다음과 같다:
원래의 어려운 최적화 문제를 더 쉬운 두 개의 하위 문제로 나눈다: (a) 효율적으로 충돌 회피 경로 찾기, (b) 그 경로에 대한 동역학적으로 실현 가능한 시간 매개변수화 결정하기.
확산 모델을 사용하여 다중 모드 궤적 분포를 학습하고, 이를 초기 추정치로 사용한다.
제약 만족을 위해 확산 모델의 출력을 수정하는 효율적인 대리 최적화 문제를 풀어 궤적을 개선한다.
이를 통해 CGD는 기존 접근법에 비해 성능 저하 없이 계산 비용을 크게 줄일 수 있다. 또한 훈련 중 사용된 제약과 다른 제약 하에서도 우수한 일반화 성능을 보인다.
Stats
최대 속도 vmax = 2.5 m/s
최대 가속도 amax = 5.5 m/s^2
최대 저크 jmax = 30.0 m/s^3
최대 요각 속도 ψ̇max = 5.0 deg/s
Quotes
"전통적인 최적화 기반 계획기는 계산 비용이 높아 느린 궤적 생성 속도를 보인다."
"모방 학습을 통해 빠른 신경망 정책을 개발할 수 있지만, 출력이 동역학적 실현 가능성을 고려하지 않고, 훈련 중 사용된 제약과 다른 제약에 대응하지 못한다."