Perception-and-Energy-aware Motion Planning for UAV using Learning-based Model under Heteroscedastic Uncertainty

要約

全地球測位衛星システム (GNSS) が拒否される環境/状況では、無人航空機 (UAV) がエネルギー効率よく確実に飛行する必要があります。
この目的を達成するために、この研究では、GNSS が拒否された環境における UAV の知覚とエネルギーを意識した動作計画を提示します。
提案されたプランナーは、UAV の総エネルギー消費量と UAV に搭載された光検出測距 (LiDAR) センサーの知覚品質という 2 つの指標で構成されるコスト関数を最適化することで、軌道計画の問題を解決します。
オンラインナビゲーションの前に、高忠実度シミュレーターは飛行データセットを取得して、UAV のエネルギー消費と LiDAR 測定に関連する不均一分散不確実性を、両方とも UAV の水平速度の関数として学習します。
学習されたモデルにより、オンライン プランナーはエネルギー消費量と知覚品質を推定できるため、UAV のバッテリー使用量と位置推定エラーが削減されます。
フォトリアリスティックな環境でのシミュレーション実験により、提案されたプランナーが不均一分散不確実性の下でエネルギー効率と知覚品質の間のトレードオフに対処できることが確認されました。
オープンソース コードは https://gitlab.com/ReI08/perception-energy-planner でリリースされています。

要約(オリジナル)

Global navigation satellite systems (GNSS) denied environments/conditions require unmanned aerial vehicles (UAVs) to energy-efficiently and reliably fly. To this end, this study presents perception-and-energy-aware motion planning for UAVs in GNSS-denied environments. The proposed planner solves the trajectory planning problem by optimizing a cost function consisting of two indices: the total energy consumption of a UAV and the perception quality of light detection and ranging (LiDAR) sensor mounted on the UAV. Before online navigation, a high-fidelity simulator acquires a flight dataset to learn energy consumption for the UAV and heteroscedastic uncertainty associated with LiDAR measurements, both as functions of the horizontal velocity of the UAV. The learned models enable the online planner to estimate energy consumption and perception quality, reducing UAV battery usage and localization errors. Simulation experiments in a photorealistic environment confirm that the proposed planner can address the trade-off between energy efficiency and perception quality under heteroscedastic uncertainty. The open-source code is released at https://gitlab.com/ReI08/perception-energy-planner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google