Gaussian Process-based Traversability Analysis for Terrain Mapless Navigation

要約

凹凸のある地形を効率的に移動することは、自律型ロボットにとって依然として困難な取り組みです。
私たちは、Sparse Gaussian Process (SGP) ローカル マップと Rapidly-Exploring Random Tree* (RRT*) プランナーを組み合わせた、新しい幾何学ベースの不整地マップレス ナビゲーション フレームワークを提案します。
私たちのアプローチは、ロボットの周囲の環境を補間表現する高解像度の SGP ローカル マップの生成から始まります。
このマップは、高さ、不確実性、傾斜特性などの重要な環境変動を捉えています。
その後、計画プロセスの指針となる SGP 表現に基づいて通過可能性マップを構築します。
RRT* プランナーは、リアルタイムのナビゲーション パスを効率的に生成し、通過不可能な地形を回避して目標を目指します。
この SGP ベースの地形解釈と RRT* 計画の組み合わせにより、地上ロボットはさまざまな標高や急な障害物のある環境を安全に移動できるようになります。
私たちは、堅牢なシミュレーションテストを通じて提案したアプローチのパフォーマンスを評価し、既存の方法と比較して安全で効率的なナビゲーションを実現するその有効性を強調します。

要約(オリジナル)

Efficient navigation through uneven terrain remains a challenging endeavor for autonomous robots. We propose a new geometric-based uneven terrain mapless navigation framework combining a Sparse Gaussian Process (SGP) local map with a Rapidly-Exploring Random Tree* (RRT*) planner. Our approach begins with the generation of a high-resolution SGP local map, providing an interpolated representation of the robot’s immediate environment. This map captures crucial environmental variations, including height, uncertainties, and slope characteristics. Subsequently, we construct a traversability map based on the SGP representation to guide our planning process. The RRT* planner efficiently generates real-time navigation paths, avoiding untraversable terrain in pursuit of the goal. This combination of SGP-based terrain interpretation and RRT* planning enables ground robots to safely navigate environments with varying elevations and steep obstacles. We evaluate the performance of our proposed approach through robust simulation testing, highlighting its effectiveness in achieving safe and efficient navigation compared to existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google