要約
我々は、スパースガウス過程（SGP）ベースの局所知覚モデルを利用することにより、不均一な地形での自律ナビゲーションのための新しい方法を提案します。
SGP ローカル知覚モデルは、ローカル測距観測 (ポイントクラウド) でトレーニングされ、地形の標高プロファイルを学習し、ロボット周囲の実現可能なナビゲーション サブ目標を抽出します。
続いて、ロボットのロール角とピッチ角を指定範囲内に保つというロボットの安全性を優先するコスト関数を使用して、ロボットを最終目的地に導く安全性を考慮したサブ目標を選択します。
このアルゴリズムはリアルタイムで実行されるように設計されており、シミュレーションと現実世界の実験で集中的に評価されます。
この結果は、私たちが提案したアルゴリズムが常に高効率で平坦でない地形をナビゲートし、他のプランナーのパフォーマンスを上回っていることを説得力をもって示しています。
コードとビデオはここにあります: https://rb.gy/3ov2r8
要約(オリジナル)
We propose a new method for autonomous navigation in uneven terrains by utilizing a sparse Gaussian Process (SGP) based local perception model. The SGP local perception model is trained on local ranging observation (pointcloud) to learn the terrain elevation profile and extract the feasible navigation subgoals around the robot. Subsequently, a cost function, which prioritizes the safety of the robot in terms of keeping the robot’s roll and pitch angles bounded within a specified range, is used to select a safety-aware subgoal that leads the robot to its final destination. The algorithm is designed to run in real-time and is intensively evaluated in simulation and real world experiments. The results compellingly demonstrate that our proposed algorithm consistently navigates uneven terrains with high efficiency and surpasses the performance of other planners. The code and video can be found here: https://rb.gy/3ov2r8
arxiv情報
| 著者 | Hassan Jardali,Mahmoud Ali,Lantao Liu |
| 発行日 | 2024-02-21 00:35:55+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google