Real-Time Planning Under Uncertainty for AUVs Using Virtual Maps

要約

信頼性の高い位置特定は、GPS が拒否された環境で航行する海洋ロボットにとって不可欠な機能です。
SLAM は、推測航法エラーを軽減するために一般的に使用されますが、機能がまばらな環境や、範囲が限られたセンサーでは依然として失敗します。
将来のポーズの不確実性予測を計画プロセスに組み込み、不確実性を低減するアクションを選択することで、ポーズの推定を改善できます。
ただし、信念伝播の実行には、特に大規模な環境で動作する場合、計算コストがかかります。
この研究では、大規模で機能がまばらな環境に適した不確実性フレームワークの下で、計算効率の高い計画を提案します。
私たちの戦略は、前の探査フェーズから取得した SLAM グラフと占有マップ データを活用して仮想マップを作成し、多変量ガウス分布を使用して各マップ セルの不確実性を記述します。
仮想マップは計画段階でコスト マップとして使用され、各ステップでの信念伝播の実行が回避されます。
後退期間計画戦略が実装され、目標達成と不確実性削減のトレードオフが管理されます。
現実的な水中環境でのシミュレーション実験により、このアプローチが検証されます。
完全な信念伝播アプローチと標準的な最短距離アプローチとの実験比較が行われます。

要約(オリジナル)

Reliable localization is an essential capability for marine robots navigating in GPS-denied environments. SLAM, commonly used to mitigate dead reckoning errors, still fails in feature-sparse environments or with limited-range sensors. Pose estimation can be improved by incorporating the uncertainty prediction of future poses into the planning process and choosing actions that reduce uncertainty. However, performing belief propagation is computationally costly, especially when operating in large-scale environments. This work proposes a computationally efficient planning under uncertainty frame-work suitable for large-scale, feature-sparse environments. Our strategy leverages SLAM graph and occupancy map data obtained from a prior exploration phase to create a virtual map, describing the uncertainty of each map cell using a multivariate Gaussian. The virtual map is then used as a cost map in the planning phase, and performing belief propagation at each step is avoided. A receding horizon planning strategy is implemented, managing a goal-reaching and uncertainty-reduction tradeoff. Simulation experiments in a realistic underwater environment validate this approach. Experimental comparisons against a full belief propagation approach and a standard shortest-distance approach are conducted.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google