Traversability-aware Adaptive Optimization for Path Planning and Control in Mountainous Terrain

要約

極端な山岳地帯における自律航法は、移動にストレスを与える要素や起伏のある路面が存在するため、従来のオフロード走行シナリオと比較して特に困難である。このような環境では、外界センサのみに基づいて走破性を推定しても、走破不可能な領域が多く存在するため、ゴールに到達できないことが多い。本論文では、トラバビリティをロボットの内部状態（速度やトルクなど）を統合した相対値として考え、ゴールに到達するための弾力的な挙動を示す。本論文では、トラバビリティを見かけのトラバビリティと相対的なトラバビリティに分離し、これらの区別をサンプリングベースのプランニングと運動予測制御の最適化プロセスに組み込む。本手法により、ロボットは危険な領域やスタックを回避しながら、より正確に所望の動作を実行することが可能となる。27種類の多様な山岳地形と実世界を用いたシミュレーション実験により、提案するフレームワークの頑健性が実証され、より複雑な環境においてますます優れた性能が観察された。

要約(オリジナル)

Autonomous navigation in extreme mountainous terrains poses challenges due to the presence of mobility-stressing elements and undulating surfaces, making it particularly difficult compared to conventional off-road driving scenarios. In such environments, estimating traversability solely based on exteroceptive sensors often leads to the inability to reach the goal due to a high prevalence of non-traversable areas. In this paper, we consider traversability as a relative value that integrates the robot’s internal state, such as speed and torque to exhibit resilient behavior to reach its goal successfully. We separate traversability into apparent traversability and relative traversability, then incorporate these distinctions in the optimization process of sampling-based planning and motion predictive control. Our method enables the robots to execute the desired behaviors more accurately while avoiding hazardous regions and getting stuck. Experiments conducted on simulation with 27 diverse types of mountainous terrain and real-world demonstrate the robustness of the proposed framework, with increasingly better performance observed in more complex environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL