要約
自律移動ロボットの分野では、舗装されていない屋外環境を安全に移動することは依然として困難な課題です。
センサー データは高次元であるため、関連情報の抽出は複雑な問題となり、適切な認識と経路計画が妨げられます。
これまでの研究では、フルサイズの画像からグローバルな特徴を抽出する際に有望なパフォーマンスを示してきました。
しかし、重要な地元情報を取得する際に課題に直面することがよくあります。
この論文では、現在のロボットの位置の周囲でトリミングされた画像パッチを繰り返し取得し、将来の位置、方向、凹凸を予測する Crop-LSTM を提案します。
私たちの手法は、2D 画像平面内の予測ロボット軌道に沿った対応する画像パッチに注目することにより、局所特徴抽出を実行します。
これにより、ロボットの将来の軌道をより正確に予測できるようになります。
弊社の車輪付きモバイル ロボット プラットフォーム Raicart を使用して、舗装されていない屋外環境でのポイントゴール ナビゲーションにおける Crop-LSTM の有効性を実証しました。
私たちの方法により、困難な未舗装の屋外地形でも RGBD 画像を使用した安全で堅牢なナビゲーションが可能になりました。
概要ビデオは https://youtu.be/iIGNZ8ignk0 でご覧いただけます。
要約(オリジナル)
In the realm of autonomous mobile robots, safe navigation through unpaved outdoor environments remains a challenging task. Due to the high-dimensional nature of sensor data, extracting relevant information becomes a complex problem, which hinders adequate perception and path planning. Previous works have shown promising performances in extracting global features from full-sized images. However, they often face challenges in capturing essential local information. In this paper, we propose Crop-LSTM, which iteratively takes cropped image patches around the current robot’s position and predicts the future position, orientation, and bumpiness. Our method performs local feature extraction by paying attention to corresponding image patches along the predicted robot trajectory in the 2D image plane. This enables more accurate predictions of the robot’s future trajectory. With our wheeled mobile robot platform Raicart, we demonstrated the effectiveness of Crop-LSTM for point-goal navigation in an unpaved outdoor environment. Our method enabled safe and robust navigation using RGBD images in challenging unpaved outdoor terrains. The summary video is available at https://youtu.be/iIGNZ8ignk0.
arxiv情報
| 著者 | Jeong Hyun Lee,Jinhyeok Choi,Simo Ryu,Hyunsik Oh,Suyoung Choi,Jemin Hwangbo |
| 発行日 | 2023-09-06 06:12:57+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google