PUMA: Fully Decentralized Uncertainty-aware Multiagent Trajectory Planner with Real-time Image Segmentation-based Frame Alignment

要約

完全に分散化されたマルチエージェント軌道プランナーは、未知の環境での安全なナビゲーションを確保することで、捜索救助や荷物の配達などの複雑なタスクを可能にします。
ただし、完全に分散された設定で他のエージェントとの軌道の衝突を解消し、衝突のない経路を確保することは、動的要素と位置の不確実性によって複雑になります。
この目的を達成するために、この論文では、(1) 不確実性を認識したマルチエージェント軌道プランナーと、(2) 画像セグメンテーション ベースのフレーム位置合わせパイプラインを紹介します。
不確実性認識プランナーは、検出された障害物の将来の動きに関連する不確実性を伝播し、この伝播された不確実性を最適化制約に組み込むことで、プランナーは障害物を効果的に回避します。
明示的な障害物追跡を重視する従来の方法とは異なり、私たちのアプローチは暗黙的な追跡を統合します。
エージェント間で軌道を共有すると、フレームのずれにより衝突が発生する可能性があります。
これに対処するために、エージェント間のフレームの位置ずれを修正する新しいフレーム位置合わせパイプラインを導入します。
この方法では、環境内のオブジェクトを検出するためのゼロショット画像セグメンテーション モデルと、マップの位置合わせのための幾何学的一貫性に基づくデータ関連付けフレームワークを利用します。
私たちのアプローチは、最も困難なシミュレーション シナリオにおいて、平均フレーム アライメント誤差がわずか 0.18 m、2.7 度でフレームを正確にアライメントします。
さらにハードウェア実験を実施し、フレームアライメント誤差0.29m、2.59度を達成することに成功しました。
当社のプランナーは、アライメントフレームワークと連携して、未知の環境での安全なナビゲーションと分散設定での衝突回避を保証します。

要約(オリジナル)

Fully decentralized, multiagent trajectory planners enable complex tasks like search and rescue or package delivery by ensuring safe navigation in unknown environments. However, deconflicting trajectories with other agents and ensuring collision-free paths in a fully decentralized setting is complicated by dynamic elements and localization uncertainty. To this end, this paper presents (1) an uncertainty-aware multiagent trajectory planner and (2) an image segmentation-based frame alignment pipeline. The uncertainty-aware planner propagates uncertainty associated with the future motion of detected obstacles, and by incorporating this propagated uncertainty into optimization constraints, the planner effectively navigates around obstacles. Unlike conventional methods that emphasize explicit obstacle tracking, our approach integrates implicit tracking. Sharing trajectories between agents can cause potential collisions due to frame misalignment. Addressing this, we introduce a novel frame alignment pipeline that rectifies inter-agent frame misalignment. This method leverages a zero-shot image segmentation model for detecting objects in the environment and a data association framework based on geometric consistency for map alignment. Our approach accurately aligns frames with only 0.18 m and 2.7 deg of mean frame alignment error in our most challenging simulation scenario. In addition, we conducted hardware experiments and successfully achieved 0.29 m and 2.59 deg of frame alignment error. Together with the alignment framework, our planner ensures safe navigation in unknown environments and collision avoidance in decentralized settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google