要約
屋外ロボットナビゲーションのための新しい学習ベースの軌道生成アルゴリズムを紹介します。
私たちの目標は、環境固有の通過可能性の制約も満たす、衝突のないパスを計算することです。
私たちのアプローチは、地図のない環境で限られたオンボードロボットの認識を使用して、すべての移動可能な方向を包括的にカバーすることを保証しながら、地球規模の計画を立てるように設計されています。
私たちの定式化では、通過可能性の制約とカバレッジに使用される最適化定式化によって強化された条件付き変分オートエンコーダー (CVAE) 生成モデルを使用します。
私たちは、最先端の軌道生成アプローチに対する当社のアプローチの利点を強調し、Clearpath Husky と
ボストン・ダイナミクスのスポットロボット。
実際に、私たちのアプローチにより、通過可能な領域のカバー範囲が 6% 向上し、通過不可能な領域に存在する軌道部分が 89% 削減されます。
私たちのビデオはここにあります: https://youtu.be/OT0q4ccGHts
要約(オリジナル)
We present a novel learning-based trajectory generation algorithm for outdoor robot navigation. Our goal is to compute collision-free paths that also satisfy the environment-specific traversability constraints. Our approach is designed for global planning using limited onboard robot perception in mapless environments, while ensuring comprehensive coverage of all traversable directions. Our formulation uses a Conditional Variational Autoencoder (CVAE) generative model that is enhanced with traversability constraints and an optimization formulation used for the coverage. We highlight the benefits of our approach over state-of-the-art trajectory generation approaches and demonstrate its performance in challenging and large outdoor environments, including around buildings, across intersections, along trails, and off-road terrain, using a Clearpath Husky and a Boston Dynamics Spot robot. In practice, our approach results in a 6% improvement in coverage of traversable areas and an 89% reduction in trajectory portions residing in non-traversable regions. Our video is here: https: //youtu.be/OT0q4ccGHts
arxiv情報
| 著者 | Jing Liang,Peng Gao,Xuesu Xiao,Adarsh Jagan Sathyamoorthy,Mohamed Elnoor,Ming C. Lin,Dinesh Manocha |
| 発行日 | 2023-09-25 03:31:51+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google