STAGE: Scalable and Traversability-Aware Graph based Exploration Planner for Dynamically Varying Environments

要約

本論文では、効率的な大規模探索のために環境の2層グラフ表現を活用する新しいナビゲーションフレームワークを提案し、同時に、探索済みの領域における動的な情景変化を扱うための新しい不確実性認識スキームを統合する。このフレームワークは、i)ローカルサブグラフとii)グローバルグラフ層からなる、新しいゴール指向グラフ表現を中心に構成される。ローカルサブグラフは、ポイントクラウドの直接可視性に基づいて、ローカルなボリュームゲイン位置をフロンティアとしてエンコードし、高速なグラフ構築とパスプランニングを可能にする。さらに、グローバルグラフは、連続するサブグラフの重複領域でのみノード-エッジ情報交換を使用し、効率的な方法で構築される。最新のグラフベースの探索手法とは異なり、提案手法はグローバルナビゲーション層を構築するために、以前の反復で構築された部分グラフを効率的に再利用する。提案手法のもう一つの利点は、シーンの変化（例えば経路が塞がれた）に対応する能力であり、グローバルグラフの障害部分を適応的にトラバース可能からトラバース不可能に更新する。この操作は、グローバルグラフ層のパスセグメントのサンプル空間を方向付け、一方、障害物がある場合には、グローバルグラフの接続ノードからそれぞれのエッジを削除する。このように、探索動作は、グローバルグラフの経路更新を通じて、グローバル再配置フェーズにおいて、ロボットに別の経路をたどるように指示する。最後に、カメラとライダーセンサーを搭載した脚式ロボットを含む実世界のシーンで展開されたシミュレーション実行の両方で、本手法の性能を示す。

要約(オリジナル)

In this article, we propose a novel navigation framework that leverages a two layered graph representation of the environment for efficient large-scale exploration, while it integrates a novel uncertainty awareness scheme to handle dynamic scene changes in previously explored areas. The framework is structured around a novel goal oriented graph representation, that consists of, i) the local sub-graph and ii) the global graph layer respectively. The local sub-graphs encode local volumetric gain locations as frontiers, based on the direct pointcloud visibility, allowing fast graph building and path planning. Additionally, the global graph is build in an efficient way, using node-edge information exchange only on overlapping regions of sequential sub-graphs. Different from the state-of-the-art graph based exploration methods, the proposed approach efficiently re-uses sub-graphs built in previous iterations to construct the global navigation layer. Another merit of the proposed scheme is the ability to handle scene changes (e.g. blocked pathways), adaptively updating the obstructed part of the global graph from traversable to not-traversable. This operation involved oriented sample space of a path segment in the global graph layer, while removing the respective edges from connected nodes of the global graph in cases of obstructions. As such, the exploration behavior is directing the robot to follow another route in the global re-positioning phase through path-way updates in the global graph. Finally, we showcase the performance of the method both in simulation runs as well as deployed in real-world scene involving a legged robot carrying camera and lidar sensor.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL