Information-aware Motion Planning and Control of Mobile Robots for Visual Navigation = 영상 항법을 위한 모바일 로봇의 정보 인지적 경로 계획 및 제어

국문 초록 (Abstract)

본 연구는 비정형 환경에서 영상항법(Visual Navigation)을 수행하는 모바일 로봇의 안정성을 향상시키기 위해, 영상 항법의 성능을 고려한 경로 계획 및 안전 제어 기법을 제안한다. 기존 연구는 알고리즘적 강건성 확보 또는 센서 추가에 초점을 맞추었으나, 이러한 방식만으로는 로봇의 움직임이 저품질(low quality) 시각 정보 영역으로 유도될 경우 근본적인 실패를 방지할 수 없다. 본 논문은 로봇의 움직임이 지각 품질(perception quality)을 결정하는 핵심 변수라는 점에 주목하여, 인식 고려 움직임 생성(perception-aware motion generation) 전략을 수립한다.
먼저, 환경의 위상(topology) 구조와 시야 확보 가능성의 상관성을 이용한 전역 경로 계획 기법을 제안한다. 일반적인 경로가 길이 또는 충돌 안전성만을 고려하는 것과 달리, 본 연구는 장애물 구조에 의해 발생하는 시야 차단 및 특징점 가시성 변화를 고려하여, 정보량이 유지되는 최적 위상 경로를 선정한다. 이를 위해 점유 지도와 특징점 분포를 통합한 시야장애물 인식 맵을 구성하고, 후보 경로들에 대해 시각 정보량을 정량적으로 평가한다.
다음으로, 경로가 지각 친화적으로 설계되더라도 실행 단계에서 순간적인 움직임 오류나 자세 변화로 인해 특징점 가시성이 저하될 수 있다는 점에 착안하여, 제어 장벽 함수(control barrier function) 기반의 시야 안전 제어기를 설계한다. 이 제어기는 최소한의 시각 정보 기준을 만족하도록 명령 입력을 실시간으로 보정하며, 이를 통해 항법 안정성을 유지한다. 또한 과도한 보수성 문제를 해결하기 위해 파라미터 적응 기법을 제안하여, 안전 확보와 성능 저하 간의 균형을 달성한다.
제안된 기법은 다양한 시뮬레이션과 실험 플랫폼(쿼드로터 및 지상 로봇)을 통해 검증되었으며, 기존 지각 비고려 방식 대비 명확한 항법 성공률 및 추정 안정성 향상을 확인하였다. 본 연구는 향후 시각 기반 자율주행 시스템 설계에서, 지각 능력을 보존하는 움직임 설계가 핵심 요소임을 제시하며, 향후 외부 환경, 센서, 다중 로봇 협업 등으로 확장 가능성을 갖는다.

다국어 초록 (Multilingual Abstract)

Reliable visual navigation remains a fundamental challenge for mobile robots operating in unstructured and visually degraded environments. While modern visual navigation systems have achieved strong performance under nominal conditions, they remain vulnerable when the robot’s motion unintentionally leads to poor feature visibility, severe occlusion, or reduced perceptual richness. Existing research largely focuses on improving algorithmic robustness or enhancing sensing hardware, but these directions alone cannot prevent failure if the robot continuously moves through perception-unfavorable regions. Motivated by the observation that robot motion directly influences the quality of visual input, this dissertation develops motion planning and control strategies that explicitly account for perception requirements during navigation. Instead of modifying the perception pipeline, the proposed methods shape the robot’s motion to preserve visual observability, thereby enabling reliable, long-duration autonomy.
The first part of this dissertation presents a perception-aware topological path planner that evaluates global navigation paths not only based on geometric feasibility, but also on their potential to maintain high-quality visual information. A key insight is that the homotopy class of a path determines whether feature-rich surfaces remain visible or become occluded by intervening structures, meaning that two collision-free paths with similar length may lead to vastly different localization outcomes. To leverage this property, the planner constructs multiple candidate paths belonging to distinct homotopy classes, and scores them based on visual information based on landmark distributions. By selecting the topological class with the highest expected information, the planner proactively avoids feature-poor or visibility-limited regions.
The second part develops a safety-critical control strategy that ensures reliable visual navigation during trajectory execution. Even an information-rich global path cannot guarantee safety if short-term actions temporarily cause feature loss across consecutive frames. To address this, the dissertation designs a Control Barrier Function–based safety filter that modifies nominal control inputs to ensure that the robot maintains a minimum level of visual information at all times, quantified using feature visibility. The safety filter operates at a control-loop rate and enforces forward invariance of a perception-defined safe set through a quadratic program that adjusts control commands only when necessary.
The proposed methods are validated through extensive simulations and hardware experiments using mobile ground robots and quadrotors equipped with stereo and RGB-D cameras. Experimental results demonstrate that the perception-aware planner successfully avoids information-poor regions, while the safety-critical control method consistently maintains feature observability, preventing navigation degradation and premature mission failure. Compared with perception-agnostic baselines, the proposed framework significantly improves success rate, localization consistency, and robustness across a variety of environments with occlusion, limited texture, and constrained field of view.
Overall, this dissertation contributes a novel perspective on visual navigation: motion generation is not merely for reaching the goal but also for sustaining the perception capability. The research presented in this dissertation suggests new directions for future research in perception-aware autonomy, including broader sensing modalities, multi-robot cooperation, and deployment in outdoor, subterranean, or GPS-denied applications.

목차 (Table of Contents)

• Abstract vi
• Table of Contents viii
• List of Tables x
• List of Figures xi
• 1 Introduction 1
• 1.1 Motivation 1
• 1.2 Thesis outline 5
• 1.3 Contributions 7
• 1.4 Preliminaries 8
• 2 Related Work 18
• 2.1 Motion Planning for Navigation System 18
• 2.2 Perception-aware Safe Control 21
• 2.3 Robust Architecture of Visual Navigation 22
• 3 Perception-aware Topological Path Planning 24
• 3.1 Overview 24
• 3.2 System Description 28
• 3.3 Map Representations 28
• 3.4 Topological Global Planning 31
• 3.5 Extension to Online Planning 39
• 3.6 Conclusions 43
• 4 Safety-Critical Control for Visual Navigation 45
• 4.1 Overview 45
• 4.2 Real-Time Constraint Satisfaction using Safety Filter 47
• 4.3 Visibility Maintenance using Safety Filter 49
• 4.4 Handling Matrix-Based Inequality 60
• 4.5 Adaptive Parameter Selection 74
• 4.6 Conclusion 76
• 5 Experiments and Analyses 78
• 5.1 Overview 78
• 5.2 Perception-aware Path Planning 79
• 5.3 Safe Control for Reliable Feature Tracking 90
• 6 Discussion and Future Work 106
• 6.1 Conclusion 106
• 6.2 Discussion & Future Work 107
• Appendix
• A Derivation of Fisher Information Matrix for Visual Measurements 111
• B Path Homotopy Class Identification 114
• B.1 Visibility Deformation 115
• B.2 H-Signature Computation 115
• C Proofs in Chapter 4 118
• References 122
• Abstract (in Korean) 137