Safe Control using Occupancy Grid Map-based Control Barrier Function (OGM-CBF)

要約

未知の環境における安全なナビゲーションは、ロボット工学の分野において重要な課題となっています。
コントロール バリア関数 (CBF) は、安全要件を保証するための強力な数学的ツールです。
ただし、多くの作品で共通の前提となっているのは、CBF はすでに既知であり、障害物は事前に定義された形状を持っているということです。
このレターでは、占有グリッド マップに基づいてコントロール バリア関数を定義する、占有グリッド マップベースのコントロール バリア関数 (OGM-CBF) と呼ばれる新しい方法を紹介します。
これにより、LiDAR やカメラなどのオンボード認識センサーを使用して環境のオンライン ローカル マップまたはグローバル マップを生成しながら、未知の環境への一般化が可能になります。
この方法を使用すると、システムはタイム ステップごとに単一の連続微分可能な CBF を介して安全性を保証します。これは、環境内に未知の形状を持つ任意の数の障害物がある一方で、CBF-QP 最適化定式化における 1 つの制約として表すことができます。
これにより、未知の環境と既知の環境の両方で CBF を実際にリアルタイムで実装できるようになります。
OGM-CBF の有効性は、CARLA シミュレーターでの自動運転車や現実世界の産業用移動ロボットの安全制御で実証されています。

要約(オリジナル)

Safe navigation in unknown environments stands as a significant challenge in the field of robotics. Control Barrier Function (CBF) is a strong mathematical tool to guarantee safety requirements. However, a common assumption in many works is that the CBF is already known and obstacles have predefined shapes. In this letter, we present a novel method called Occupancy Grid Map-based Control Barrier Function (OGM-CBF), which defines Control Barrier Function based on Occupancy Grid Maps. This enables generalization to unknown environments while generating online local or global maps of the environment using onboard perception sensors such as LiDAR or camera. With this method, the system guarantees safety via a single, continuously differentiable CBF per time step, which can be represented as one constraint in the CBF-QP optimization formulation while having an arbitrary number of obstacles with unknown shapes in the environment. This enables practical real-time implementation of CBF in both unknown and known environments. The efficacy of OGM-CBF is demonstrated in the safe control of an autonomous car in the CARLA simulator and a real-world industrial mobile robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google