0. Animations

A*

Dijkstra

RRT*

1. Overview

이 프로젝트는 Jackal 로봇이 10m × 10m 맵에서 랜덤하게 배치된 장애물을 피해 목표 지점까지 도달하는 경로를 생성하기 위해 다양한 경로 탐색 알고리즘의 성능을 비교 분석하는 것을 목적으로 한다. A*, Dijkstra, RRT* 알고리즘을 적용하여 각 알고리즘의 경로 생성 성공률, 실제 목표 도달률, 경로 길이, waypoint 수, 탐색 시간, 실패 원인 등을 정량적으로 비교하였다.

2. Directory structure

└── my_jackal_world
  └── launch
      ├── astar_path.launch.py
      ├── dijkstra_path.launch.py
      ├── rrtstar_path.launch.py
      ├── dynamics_mode.launch.py
      ├── random_mode.launch.py
      └── simple_world.launch.py
  └── models
      ├── cylinder.sdf
      ├── marker.sdf
      └── turtlebot3_waffle.urdf
  └── my_jackal_world
      ├── dynamics_obstacles
          ├── central_reset_node.py
          ├── multi_controller_launcher.py
          ├── random_dynamic_spawn.py
          └── turtlebot_controller.py
      ├── path
          ├── astar_planner_node.py
          ├── dijkstra_planner_node.py
          ├── rrtstar_planner_node.py
          └── follower_node.py
      └── random_spawn.py
  └── worlds
└── pathplanning
  └── Search-based Planning
      ├── Breadth-First Searching (BFS)
      ├── Depth-First Searching (DFS)
      ├── Best-First Searching
      ├── Dijkstra's
      ├── A*
      ├── Bidirectional A*
      ├── Anytime Repairing A*
      ├── Learning Real-time A* (LRTA*)
      ├── Real-time Adaptive A* (RTAA*)
      ├── Lifelong Planning A* (LPA*)
      ├── Dynamic A* (D*)
      ├── D* Lite
      └── Anytime D*
  └── Sampling-based Planning
      ├── RRT
      ├── RRT-Connect
      ├── Extended-RRT
      ├── Dynamic-RRT
      ├── RRT*
      ├── Informed RRT*
      ├── RRT* Smart
      ├── Anytime RRT*
      ├── Closed-Loop RRT*
      ├── Spline-RRT*
      ├── Fast Marching Trees (FMT*)
      └── Batch Informed Trees (BIT*)

3. Conclusion

3.1 A*

• 휴리스틱 기반으로 빠른 탐색 속도와 안정적인 경로를 제공
• 장애물 수가 증가해도 비교적 높은 성능을 유지

3.2 Dijkstra

• 전체 맵을 균등하게 탐색하는 방식으로 경로가 안정적이지만 복잡한 환경에서는 추종 실패가 늘어남

3.3 RRT*

• 샘플 기반 탐색으로 복잡한 경로를 생성하고 탐색 시간이 매우 길었음.
• 센서 없이 단순 추종만으로는 경로 이탈 시 복구가 어려워 성공률이 급격히 감소

3.4 결론

센서를 사용하지 않고 사전경로로만 추종하는 조건에서는 A*가 가장 높은 안정성과 효율을 RRT* 는 실시간 센서 피드백이 포함된 상황에서의 활용 가능성이 더 높다는 점을 확인