Closing the Perception-Action Loop for Semantically Safe Navigation in Semi-Static Environments

要約

変化する環境でナビゲーションする自律ロボットには、安全な長期運用のための適応ナビゲーション戦略が必要です。
現代の制御パラダイムの多くは理論的な保証を提供しますが、多くの場合、既知の外部安全制約を前提としており、物体が時間の経過とともに出現、消滅、移動する可能性がある現実世界の環境に導入された場合の課題が見落とされます。
この論文では、このギャップを埋める閉ループの知覚-アクション パイプラインを紹介します。
私たちのシステムは、オンラインで構築された高密度マップと、オブジェクト レベルのセマンティックおよび一貫性の推定をコントロール バリア関数 (CBF) にエンコードして、シーン内の安全な領域を規制します。
モデル予測コントローラー (MPC) は、CBF ベースの安全制約を活用してナビゲーション動作を適応させます。これは、潜在的なシーンの変更が発生した場合に特に重要です。
私たちはシミュレーションと実世界の実験でシステムをテストし、セマンティック情報とシーン変更処理がロボットの動作に及ぼす影響を実証し、アプローチの実用性を検証します。

要約(オリジナル)

Autonomous robots navigating in changing environments demand adaptive navigation strategies for safe long-term operation. While many modern control paradigms offer theoretical guarantees, they often assume known extrinsic safety constraints, overlooking challenges when deployed in real-world environments where objects can appear, disappear, and shift over time. In this paper, we present a closed-loop perception-action pipeline that bridges this gap. Our system encodes an online-constructed dense map, along with object-level semantic and consistency estimates into a control barrier function (CBF) to regulate safe regions in the scene. A model predictive controller (MPC) leverages the CBF-based safety constraints to adapt its navigation behaviour, which is particularly crucial when potential scene changes occur. We test the system in simulations and real-world experiments to demonstrate the impact of semantic information and scene change handling on robot behavior, validating the practicality of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google