Indoor Exploration and Simultaneous Trolley Collection Through Task-Oriented Environment Partitioning

要約

この論文では、自律型トロリー収集のアプリケーションのための同時探索とオブジェクト検索フレームワークを紹介します。
環境表現については、各サブタスクの多様な情報を抽出するために、タスク指向の環境分割アルゴリズムが提示されます。
まず、外れ値を除去した後、LiDAR データは潜在的な物体、壁、障害物として分類されます。
次に、セグメント化された点群は、次の機能コンポーネントを備えたハイブリッド マップに変換されます。探索中にトロリーを見逃さないようにするためのオブジェクトの提案。
セマンティック空間セグメンテーションのための部屋のレイアウト。
効率的な動作計画のためのジオメトリ情報を含む多角形の障害物。
探索とトロリー収集を同時に行うために、効率的な探索ベースのオブジェクト検索方法を提案します。
まず、優先順位制約のある巡回セールスマン問題 (TSP-PC) を、フロンティアとオブジェクト提案をグループ化することによって定式化します。
次のターゲットは、ロボットの過剰な後戻りを避けながら、オブジェクトの検索を優先することによって選択されます。
次に、適切な障害物クリアランスを備えた実行可能な軌道がトポロジカル グラフ検索によって生成されます。
提案されたフレームワークをシミュレーションを通じて検証し、現実世界の自律型トロリー収集タスクを使用してシステムを実証します。

要約(オリジナル)

In this paper, we present a simultaneous exploration and object search framework for the application of autonomous trolley collection. For environment representation, a task-oriented environment partitioning algorithm is presented to extract diverse information for each sub-task. First, LiDAR data is classified as potential objects, walls, and obstacles after outlier removal. Segmented point clouds are then transformed into a hybrid map with the following functional components: object proposals to avoid missing trolleys during exploration; room layouts for semantic space segmentation; and polygonal obstacles containing geometry information for efficient motion planning. For exploration and simultaneous trolley collection, we propose an efficient exploration-based object search method. First, a traveling salesman problem with precedence constraints (TSP-PC) is formulated by grouping frontiers and object proposals. The next target is selected by prioritizing object search while avoiding excessive robot backtracking. Then, feasible trajectories with adequate obstacle clearance are generated by topological graph search. We validate the proposed framework through simulations and demonstrate the system with real-world autonomous trolley collection tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google