Real-time Batched Distance Computation for Time-Optimal Safe Path Tracking

要約

人間とロボットのコラボレーションでは、協働ロボットの速度と人間の作業者の安全の間にはトレードオフの関係がありました。
前回の記事では、人間の作業者の安全を確保しながら速度を最大化するように設計された、時間に最適な経路追跡アルゴリズムを紹介しました。
このアルゴリズムはリアルタイムで実行され、ISO 規格に準拠したすべてのサイクルで安全かつ最速の制御入力を提供します。
ただし、保守的なモデルの単純化に起因する不正確な距離計算により、真の最適性は達成されていません。
真の最適性を達成するには、1. 軌道に沿って検査するための多くのロボット構成での距離を計算できる方法、2. オンラインロボット制御のためにリアルタイムで計算できる方法、3. 最適な制御のためにできるだけ正確に計算できる方法が必要です。
この論文では、事前に計算されたリンクローカル SDF に基づいた、バッチ化された高速かつ正確な距離チェック方法を提案します。
私たちの方法では、実行時に GPU を使用して、軌道に沿った 500 のウェイポイントの距離を 1 ミリ秒未満でチェックできるため、タイム クリティカルなロボット制御に適しています。
さらに、前処理を 2 倍高速化するニューラル近似が提案されています。最後に、動的で協調的な環境において、私たちの方法が幾何学プリミティブベースの距離チェッカーよりも早く 6-DoF ロボットをナビゲートできることを実験的に示します。

要約(オリジナル)

In human-robot collaboration, there has been a trade-off relationship between the speed of collaborative robots and the safety of human workers. In our previous paper, we introduced a time-optimal path tracking algorithm designed to maximize speed while ensuring safety for human workers. This algorithm runs in real-time and provides the safe and fastest control input for every cycle with respect to ISO standards. However, true optimality has not been achieved due to inaccurate distance computation resulting from conservative model simplification. To attain true optimality, we require a method that can compute distances 1. at many robot configurations to examine along a trajectory 2. in real-time for online robot control 3. as precisely as possible for optimal control. In this paper, we propose a batched, fast and precise distance checking method based on precomputed link-local SDFs. Our method can check distances for 500 waypoints along a trajectory within less than 1 millisecond using a GPU at runtime, making it suited for time-critical robotic control. Additionally, a neural approximation has been proposed to accelerate preprocessing by a factor of 2. Finally, we experimentally demonstrate that our method can navigate a 6-DoF robot earlier than a geometric-primitives-based distance checker in a dynamic and collaborative environment.

arxiv情報

著者 Shohei Fujii,Quang-Cuong Pham
発行日 2023-09-21 23:58:16+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク