Motion Primitives Planning For Center-Articulated Vehicles

要約

森林や建設現場などの構造化されていない地形での自律ナビゲーションは、複雑な障害物や未知の要素による独特の課題に直面しています。
既存のマップが不足しているため、これらのシナリオでは、機敏性と効率性を組み合わせた動作計画アプローチが必要になります。
重要なことに、複雑な環境をより効果的に移動するには、ロボットの運動学的制約も組み込む必要があります。
この研究では、車載センシングを使用した後退地平線計画フレームワーク内でモーション プリミティブを活用する、中央多関節車両 (CAV) の新しい計画方法を導入します。
このアプローチは、中央多関節車両の独特の運動学モデルを反映するフォワード シミュレーションを通じて生成されるモーション プリミティブのオフライン作成から始まります。
これらのプリミティブはヒューリスティック ベースのスコアリング関数を通じて評価され、リアルタイム ナビゲーションに最適なパスの選択が容易になります。
この計画プロセスを強化するために、私たちは中央多関節車両の運動学的仕様に合わせた姿勢安定化コントローラーを開発しました。
実験中、私たちの方法は既存の戦略と比較して SPL (パス長で加重された成功率) パフォーマンスが $67\%$ 向上することを実証しました。
さらに、その有効性は、樹木収穫車両 SAHA を使用して行われた実際の実験を通じて検証されました。

要約(オリジナル)

Autonomous navigation across unstructured terrains, including forests and construction areas, faces unique challenges due to intricate obstacles and the element of the unknown. Lacking pre-existing maps, these scenarios necessitate a motion planning approach that combines agility with efficiency. Critically, it must also incorporate the robot’s kinematic constraints to navigate more effectively through complex environments. This work introduces a novel planning method for center-articulated vehicles (CAV), leveraging motion primitives within a receding horizon planning framework using onboard sensing. The approach commences with the offline creation of motion primitives, generated through forward simulations that reflect the distinct kinematic model of center-articulated vehicles. These primitives undergo evaluation through a heuristic-based scoring function, facilitating the selection of the most suitable path for real-time navigation. To augment this planning process, we develop a pose-stabilizing controller, tailored to the kinematic specifications of center-articulated vehicles. During experiments, our method demonstrates a $67\%$ improvement in SPL (Success Rate weighted by Path Length) performance over existing strategies. Furthermore, its efficacy was validated through real-world experiments conducted with a tree harvester vehicle – SAHA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google