Autonomous search of real-life environments combining dynamical system-based path planning and unsupervised learning

要約

近年、カオス カバレッジ パス プランナーを使用して、環境の手がかりが限られた空間を自律的に探索および横断するという目標に向けて進歩が見られました。
しかし、実験的な研究はほとんど行われておらず、この分野はまだ初期段階にあります。
現在の実験作業では、カオスなカバレッジ パス プランナーが妥当なカバレッジ時間内で現実的な環境をスキャンするために克服する必要がある当面の問題に十分に対処するための堅牢な方法は開発されていません。
これらの差し迫った問題は次のとおりです: (1) 一般にロボットの動作の運動学的効率を維持する障害物回避技術、(2) 環境全体にカオスな軌道を広げる手段 (特に大規模および/または複雑な形状の環境では重要)
(3) 正確でセル サイズに依存しないリアルタイム カバレッジ計算技術。
この論文は、障害物回避、カオス軌道分散、および正確なカバレッジ計算のための技術を提供することにより、これらすべての問題に対処するアルゴリズムを提案することにより、この分野を進歩させることを目的としています。
このアルゴリズムは、一般的に滑らかなカオス軌道を生成し、環境の高いスキャン範囲を提供します。
これらのアルゴリズムは ROS フレームワーク内で作成され、新しく開発されたカオス パス プランニング アプリケーションを構成します。
このアプリケーションのパフォーマンスは、従来の最適パス プランナーのパフォーマンスと同等でした。
パフォーマンス テストは、現実世界と Gazebo シミュレーションの両方で、さまざまなサイズ、形状、障害物密度の環境で実行されました。

要約(オリジナル)

In recent years, advancements have been made towards the goal of using chaotic coverage path planners for autonomous search and traversal of spaces with limited environmental cues. However, the state of this field is still in its infancy as there has been little experimental work done. Current experimental work has not developed robust methods to satisfactorily address the immediate set of problems a chaotic coverage path planner needs to overcome in order to scan realistic environments within reasonable coverage times. These immediate problems are as follows: (1) an obstacle avoidance technique which generally maintains the kinematic efficiency of the robot’s motion, (2) a means to spread chaotic trajectories across the environment (especially crucial for large and/or complex-shaped environments) that need to be covered, and (3) a real-time coverage calculation technique that is accurate and independent of cell size. This paper aims to progress the field by proposing algorithms that address all of these problems by providing techniques for obstacle avoidance, chaotic trajectory dispersal, and accurate coverage calculation. The algorithms produce generally smooth chaotic trajectories and provide high scanning coverage of environments. These algorithms were created within the ROS framework and make up a newly developed chaotic path planning application. The performance of this application was comparable to that of a conventional optimal path planner. The performance tests were carried out in environments of various sizes, shapes, and obstacle densities, both in real-life and Gazebo simulations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google