AGRNav: Efficient and Energy-Saving Autonomous Navigation for Air-Ground Robots in Occlusion-Prone Environments

要約

空地上ロボットの卓越した機動性と長時間の持久力により、複雑な環境（森林や大きな建物など）を移動するためのロボットの使用法への関心が高まっています。
しかし、そのような環境には遮蔽された未知の領域が含まれることが多く、観測されていない障害物を正確に予測しないと、既存のマッピングベースおよび学習ベースのナビゲーション方法では、空地ロボットの移動が最適以下の軌道になることがよくあります。
この研究では、安全で省エネな空地ハイブリッド パスを探索するために設計された新しいフレームワークである AGRNav を紹介します。
AGRNav には、セルフ アテンションを備えた軽量のセマンティック シーン完了ネットワーク (SCONet) が含まれており、コンテキスト情報とオクルージョン エリアの特徴をキャプチャすることで正確な障害物予測を可能にします。
その後、フレームワークはクエリベースの方法を採用して、グリッド マップに対する予測結果を低遅延で更新します。
最後に、更新された地図に基づいて、階層型パス プランナーがナビゲーション用の省エネパスを効率的に検索します。
私たちは、シミュレーション環境と現実世界の両方の環境におけるベンチマークを通じて AGRNav のパフォーマンスを検証し、従来の方法や最先端の​​方法よりも優れていることを実証しています。
オープンソース コードは https://github.com/jmwang0117/AGRNav で入手できます。

要約(オリジナル)

The exceptional mobility and long endurance of air-ground robots are raising interest in their usage to navigate complex environments (e.g., forests and large buildings). However, such environments often contain occluded and unknown regions, and without accurate prediction of unobserved obstacles, the movement of the air-ground robot often suffers a suboptimal trajectory under existing mapping-based and learning-based navigation methods. In this work, we present AGRNav, a novel framework designed to search for safe and energy-saving air-ground hybrid paths. AGRNav contains a lightweight semantic scene completion network (SCONet) with self-attention to enable accurate obstacle predictions by capturing contextual information and occlusion area features. The framework subsequently employs a query-based method for low-latency updates of prediction results to the grid map. Finally, based on the updated map, the hierarchical path planner efficiently searches for energy-saving paths for navigation. We validate AGRNav’s performance through benchmarks in both simulated and real-world environments, demonstrating its superiority over classical and state-of-the-art methods. The open-source code is available at https://github.com/jmwang0117/AGRNav.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google