NeuPAN

원시 라이다 포인트를 로봇 행동으로 직접 매핑하는 실시간 엔드투엔드 플래너

라이선스

GPL-3.0

개요

NeuPAN(Neural Proximal Alternating-minimization Network)은 IEEE Transactions on Robotics에 게재된 엔드투엔드 실시간 맵프리(map-free) 로봇 내비게이션 플래너입니다. 학습된 점-충돌 거리 모델과 proximal alternating minimization으로 푸는 모델 기반 최적화를 결합하여, 원시 라이다 포인트를 충돌 없는 행동으로 직접 매핑합니다 — 인식-계획 파이프라인도, 사전 구축 맵도 없습니다 — 그리고 복잡하고 동적인 환경에서 실제 차동 구동 및 Ackermann 로봇 위에서 동작합니다.

기존 내비게이션 스택은 인식, 매핑, 계획 모듈을 사슬처럼 이어 각 단계마다 지연과 오차가 누적됩니다. NeuPAN은 이 사슬을 무너뜨립니다: 해석 가능한 최적화 문제가 로봇 동역학, 제어 한계, 장애물 회피 제약을 결합하며, 장애물 거리는 원시 포인트를 잠재 거리 특징으로 인코딩하는 학습 모델 DUNE에서 나옵니다. 이 문제는 신경 proximal alternating-minimization 네트워크로 온라인에서 풀려 임베디드 GPU에서 실시간 속도를 내면서도 모델 기반 제어의 제약 만족 동작을 유지합니다. 저장소는 사전 학습 모델이 포함된 전체 플래너, IR-SIM(저자의 경량 시뮬레이터, 역시 이 플랫폼에 등재됨)에서의 YAML 구성 예제, 실제 로봇용 ROS 통합, 그리고 동적 장애물, 좁은 복도, 밀집 비정형 클러터를 차동 구동 및 Ackermann 기구학으로 다루는 논문 시나리오 재현을 제공합니다.

중요한 이유

NeuPAN은 엄밀한 모델 기반 백본과 실제 로봇 투입 실증을 모두 갖춘 최초의 엔드투엔드 플래너 중 하나입니다 — T-RO에 게재된 이 연구는 내비게이션 연구가 향하는 방향을 보여줍니다: 블랙박스 정책이 아니라 최적화의 안전 구조를 갖춘 직접적인 센서-행동 계획.

해결하는 문제

모듈식 내비게이션 파이프라인은 인식과 계획 사이에 지연과 누적 오차를 더하고, 밀집된 동적 클러터에서 고전합니다. NeuPAN은 동역학과 충돌 제약을 강제하면서 원시 포인트 위에서 직접 실시간으로 계획하여 실제 하드웨어에서 그 간극을 메웁니다.

핵심 요점

• 엔드투엔드: 원시 라이다 포인트가 충돌 없는 행동으로 직접 매핑 — 사전 구축 맵 불필요
• 모델 기반 코어: 동역학, 제어 한계, 충돌 제약을 하나의 최적화로
• 실시간 속도를 위한 DUNE 학습 거리 모델 + proximal alternating-minimization 솔버
• 동적 클러터 환경의 실제 차동 구동 및 Ackermann 로봇에 배포
• IEEE Transactions on Robotics 게재; 시뮬레이션 예제는 IR-SIM으로 제공

대상

• 엔드투엔드 계획을 탐구하는 내비게이션 연구자
• 학습 기반 플래너를 평가하는 로보틱스 엔지니어
• 최적화 기반 제어를 공부하는 대학원생
• 복잡한 동적 공간에서 동작하는 로봇의 개발자

한계

• GPL-3.0 라이선스는 클로즈드 소스 제품화를 제한
• PyTorch 필요, 실시간 성능에는 GPU가 유리
• 2D 내비게이션 중심 — 3D 비행이나 조작 계획은 없음
• 연구 코드: 제공된 ROS 예제 이상의 통합은 사용자 몫