要約
ROS 2 ナビゲーション スタック (Nav2) は、さまざまな高レベルの機能を開発するための基礎となる基盤を提供する、広く使用されているソフトウェア コンポーネントとして登場しました。
ただし、果樹園やブドウ園などの屋外環境で使用する場合、障害物の存在や屋内では通常見られない状況によってその機能が著しく制限されます。
そのような例の 1 つは、ロボットが安全に通過できる背の高い草や雑草ですが、LiDAR センサーによって障害物として認識され、ロボットがそれらを回避するためにより長い経路をとったり、ナビゲーションを完全に中止したりする可能性があります。
これらの制限を克服するには、ドメイン固有の拡張機能を開発し、ソフトウェア パイプラインに統合する必要があります。
この論文では、この課題に対処し、屋外ロボットのナビゲーションを改善するための新しい軽量のアプローチを紹介します。
Nav2 をサポートするコストマップのマルチスケールの性質を利用して、深度カメラを使用して画像のピクセル レベルの分類を実行し、ローカル コスト マップにリアルタイムで補正を挿入するシステムを開発しました。これにより、ロボットが、危険な領域を横断できるようになります。
それ以外の場合は、Nav2 によって回避されます。
私たちのアプローチは Clearpath Husky で実装および検証されており、この拡張機能を使用すると、標準コンポーネントでは実用的ではないナビゲーション タスクをロボットが実行できることが実証されました。
要約(オリジナル)
The ROS 2 Navigation Stack (Nav2) has emerged as a widely used software component providing the underlying basis to develop a variety of high-level functionalities. However, when used in outdoor environments such as orchards and vineyards, its functionality is notably limited by the presence of obstacles and/or situations not commonly found in indoor settings. One such example is given by tall grass and weeds that can be safely traversed by a robot, but that can be perceived as obstacles by LiDAR sensors, and then force the robot to take longer paths to avoid them, or abort navigation altogether. To overcome these limitations, domain specific extensions must be developed and integrated into the software pipeline. This paper presents a new, lightweight approach to address this challenge and improve outdoor robot navigation. Leveraging the multi-scale nature of the costmaps supporting Nav2, we developed a system that using a depth camera performs pixel level classification on the images, and in real time injects corrections into the local cost map, thus enabling the robot to traverse areas that would otherwise be avoided by the Nav2. Our approach has been implemented and validated on a Clearpath Husky and we demonstrate that with this extension the robot is able to perform navigation tasks that would be otherwise not practical with the standard components.
arxiv情報
著者 | Ettore Sani,Antonio Sgorbissa,Stefano Carpin |
発行日 | 2024-07-26 06:33:10+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google