The BARN Challenge 2023 — Autonomous Navigation in Highly Constrained Spaces — Inventec Team

要約

現実世界のナビゲーションは難しく、複雑なシナリオに満ちています。
Benchmark Autonomous Robot Navigation (BARN) Challenge は、高度に制約された空間に焦点を当てたコンテストです。
チームは、シミュレーションと現実世界のステージで標準的なプラットフォームを使用し、簡単なものから難しいものまでさまざまなシナリオで競い合います。
この技術レポートは、BARN Challenge 2023 (https://cs.gmu.edu/~xiao/Research/BARN_Challenge/BARN_Challenge23.html) 中に Inventec チームが採用したシステムと手法を紹介します。
私たちの方法の中核では、ベースライン学習ベースのコントローラー LfLH を使用します。
私たちは有限状態マシンを使用して回復動作をトリガーする拡張機能を開発し、フットプリント インフレーションとモデル予測制御に基づいた前方安全衝突チェックの 2 つの代替手段を導入しました。
さらに、コストマップの関心領域に基づいたバックトラックの安全性チェックも提示します。
元のベースラインと比較して、ナビゲーション スコアを 0.2334 から 0.2445 (4.76%) に大幅に増加させることができました。
全体として、私たちのチームはシミュレーションと現実世界のステージの両方で 2 位にランクされました。
私たちのコードは次の場所で公開されています: (https://github.com/inventec-ai-center/inventec-team-barn-challenge-2023.git)

要約(オリジナル)

Navigation in the real-world is hard and filled with complex scenarios. The Benchmark Autonomous Robot Navigation (BARN) Challenge is a competition that focuses on highly constrained spaces. Teams compete using a standard platform in a simulation and a real-world stage, with scenarios ranging from easy to challenging. This technical report presents the system and methods employed by the Inventec Team during the BARN Challenge 2023 (https://cs.gmu.edu/~xiao/Research/BARN_Challenge/BARN_Challenge23.html). At its core, our method uses the baseline learning-based controller LfLH. We developed extensions using a finite state machine to trigger recovery behaviors, and introduced two alternatives for forward safety collision checks, based on footprint inflation and model-predictive control. Moreover, we also present a backtrack safety check based on costmap region-of-interest. Compared to the original baseline, we managed a significant increase in the navigation score, from 0.2334 to 0.2445 (4.76%). Overall, our team ranked second place both in simulation and in the real-world stage. Our code is publicly available at: (https://github.com/inventec-ai-center/inventec-team-barn-challenge-2023.git)

arxiv情報

提供元, 利用サービス

arxiv.jp, Google