Online Efficient Safety-Critical Control for Mobile Robots in Unknown Dynamic Multi-Obstacle Environments

要約

この論文では、LiDAR ベースの目標探索および探索フレームワークを提案し、静止障害物や移動障害物が多い非構造化環境におけるオンライン障害物回避の効率に取り組みます。
このフレームワークは、従来のダイナミック コントロール バリア機能 (D-CBF) に関連する 2 つの重要な課題、つまりオンライン構築と、複数の D-CBF の利用によって引き起こされるリアルタイム パフォーマンスの低下に対処します。
最初の課題に取り組むために、フレームワークの認識コンポーネントは、DBSCAN アルゴリズムを介して点群をクラスタリングすることから始まり、続いて最小境界楕円 (MBE) アルゴリズムを使用してこれらのクラスタをカプセル化し、楕円表現を作成します。
MBE の現在の状態を以前の瞬間から保存された状態と比較することによって、静的な障害物と動的な障害物の区別が実現され、カルマン フィルターを利用して後者の動きを予測します。
このような分析により、各 MBE に対する D-CBF のオンライン構築が容易になります。
2 番目の課題に取り組むために、特定された障害ごとにタイプ II D-CBF をオンラインで生成する緩衝ゾーンを導入します。
これらのバッファー ゾーンを活性化領域として利用すると、活性化する必要がある D-CBF の数が大幅に減少します。
これらの緩衝地帯に入ると、システムは安全を優先し、安全な経路を自律的にナビゲートするため、探索モードと呼ばれます。
これらのバッファ ゾーンを終了すると、システムが目標探索モードに移行します。
我々は、このフレームワークに基づくシステムの状態が安全性と漸近的安定化を達成することを実証します。
シミュレートされた現実世界の環境での実験結果により、当社のフレームワークの機能が検証され、LiDAR を搭載したモバイルロボットが複数の障害物を含む動的環境内で目的の場所に効率的かつ安全に到達できるようになりました。

要約(オリジナル)

This paper proposes a LiDAR-based goal-seeking and exploration framework, addressing the efficiency of online obstacle avoidance in unstructured environments populated with static and moving obstacles. This framework addresses two significant challenges associated with traditional dynamic control barrier functions (D-CBFs): their online construction and the diminished real-time performance caused by utilizing multiple D-CBFs. To tackle the first challenge, the framework’s perception component begins with clustering point clouds via the DBSCAN algorithm, followed by encapsulating these clusters with the minimum bounding ellipses (MBEs) algorithm to create elliptical representations. By comparing the current state of MBEs with those stored from previous moments, the differentiation between static and dynamic obstacles is realized, and the Kalman filter is utilized to predict the movements of the latter. Such analysis facilitates the D-CBF’s online construction for each MBE. To tackle the second challenge, we introduce buffer zones, generating Type-II D-CBFs online for each identified obstacle. Utilizing these buffer zones as activation areas substantially reduces the number of D-CBFs that need to be activated. Upon entering these buffer zones, the system prioritizes safety, autonomously navigating safe paths, and hence referred to as the exploration mode. Exiting these buffer zones triggers the system’s transition to goal-seeking mode. We demonstrate that the system’s states under this framework achieve safety and asymptotic stabilization. Experimental results in simulated and real-world environments have validated our framework’s capability, allowing a LiDAR-equipped mobile robot to efficiently and safely reach the desired location within dynamic environments containing multiple obstacles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google