Teach and Repeat Navigation: A Robust Control Approach

要約

ロボットのナビゲーションには、環境の変化に強く、さまざまな状況でも効果的な自律性パイプラインが必要です。
ティーチ アンド リピート (T&R) ナビゲーションは、困難な状況下で自律的に繰り返されるタスクで高いパフォーマンスを示していますが、T&R 内の研究は主に、モーション コントロールではなくモーション プランニングに焦点を当ててきました。
この論文では、センサノイズ、パラメータの不確実性、および T&R タスクで特に顕著な不確実性を効果的に処理するスライディングモード制御を使用した、スキッドステアリング移動ロボットのロバストモーション制御技術に基づく新しい T&R システムを提案します。
ホイールと地形の相互作用は一般的な課題です。
我々はまず、閉ループシステムの不確実性を考慮しながら、提案されたT&Rシステムがグローバルに安定して堅牢であることを理論的に実証します。
Clearpath Jackal ロボットに導入すると、さまざまな地形をカバーする屋内と屋外の両方の環境で提案されたシステムのグローバルな安定性が示され、これらの困難な環境における平均軌道誤差と安定性の点で以前の最先端の方法を上回りました。
環境。
この論文は、確実な安全性を保証した長期自律型 T&R ナビゲーションに向けた重要な一歩を踏み出します。

要約(オリジナル)

Robot navigation requires an autonomy pipeline that is robust to environmental changes and effective in varying conditions. Teach and Repeat (T&R) navigation has shown high performance in autonomous repeated tasks under challenging circumstances, but research within T&R has predominantly focused on motion planning as opposed to motion control. In this paper, we propose a novel T&R system based on a robust motion control technique for a skid-steering mobile robot using sliding-mode control that effectively handles uncertainties that are particularly pronounced in the T&R task, where sensor noises, parametric uncertainties, and wheel-terrain interaction are common challenges. We first theoretically demonstrate that the proposed T&R system is globally stable and robust while considering the uncertainties of the closed-loop system. When deployed on a Clearpath Jackal robot, we then show the global stability of the proposed system in both indoor and outdoor environments covering different terrains, outperforming previous state-of-the-art methods in terms of mean average trajectory error and stability in these challenging environments. This paper makes an important step towards long-term autonomous T&R navigation with ensured safety guarantees.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google