ColAG: A Collaborative Air-Ground Framework for Perception-Limited UGVs’ Navigation

要約

障害物が多い未知のエリアでの自律的なナビゲーションには、知覚が必要です。
環境を感知するセンサーなしでロボットが安全に移動することは困難であり、その結果 $\textit{盲目}$ ロボットになってしまいますが、ロボットのグループになるとさらに困難になります。
ただし、すべてのロボットに高価な知覚システムや SLAM システムを装備するにはコストがかかる可能性があります。
この論文では、$\textbf{ColAG}$ という名前の新しいシステムを提案します。これは、唯一のロボットである 1 台の UAV との連携を導入することで、$\textit{blind}$ UGV のグループの自律航行の問題を解決します。
グループ内で完全な知覚能力を持っています。
UAV はオドメトリとマッピングに SLAM を使用し、限定された相対姿勢推定を通じてこの情報を UGV と共有します。
UGV は受信した地図で軌道を計画し、車輪の走行距離の不確実性や未知の危険領域によって引き起こされる可能性のある故障を予測します。
UAV は、UGV の衝突を防ぐためにウェイポイントを動的にスケジュールします。これは、UAV の軌道を最適化し、安全を確保するために UGV が待機しなければならない時間を最小限に抑えるために、時間ウィンドウを使用した車両経路指定問題として定式化されます。
当社では、最大 7 台の UGV を使用した広範なシミュレーションと 3 台の UGV を使用した実際の実験を通じてシステムを検証します。

要約(オリジナル)

Perception is necessary for autonomous navigation in an unknown area crowded with obstacles. It’s challenging for a robot to navigate safely without any sensors that can sense the environment, resulting in a $\textit{blind}$ robot, and becomes more difficult when comes to a group of robots. However, it could be costly to equip all robots with expensive perception or SLAM systems. In this paper, we propose a novel system named $\textbf{ColAG}$, to solve the problem of autonomous navigation for a group of $\textit{blind}$ UGVs by introducing cooperation with one UAV, which is the only robot that has full perception capabilities in the group. The UAV uses SLAM for its odometry and mapping while sharing this information with UGVs via limited relative pose estimation. The UGVs plan their trajectories in the received map and predict possible failures caused by the uncertainty of its wheel odometry and unknown risky areas. The UAV dynamically schedules waypoints to prevent UGVs from collisions, formulated as a Vehicle Routing Problem with Time Windows to optimize the UAV’s trajectories and minimize time when UGVs have to wait to guarantee safety. We validate our system through extensive simulation with up to 7 UGVs and real-world experiments with 3 UGVs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google