要約
視覚情報を効果的に収集して既知の環境を監視することは、ロボット工学における重要な課題です。
人間の測量士と同じくらい効率的にするには、ロボット システムが測量タスクを完了するために必要な観測データを継続的に収集する必要があります。
検査担当者は、たまたま「途中」にある関連機器に注目することを本能的に知っています。この論文では、地上ロボット向けに、パトロール、監視、または監視を含むタスクに適用される、継続的な長期視点計画のための新しいフレームワークを紹介します。
既知の環境での視覚的なデータ収集。
Long Horizon Viewpoint Planning (LHVP) への当社のアプローチにより、ロボットが自律的に航行して環境データを収集し、パトロールの地平線上の範囲を最適化することができます。
四足動物の機動性と感覚機能を活用して、当社の LHVP フレームワークは、アーム カメラの視点プランナーと移動基地のナビゲーション プランナーの結合を考慮したパトロール パスを計画します。
ビューパス最適化アルゴリズムは、包括的な環境範囲と動的に実行可能な動きの間のバランスを追求し、監視、セキュリティ監視、災害対応などのシナリオでの長期にわたる効果的な運用を保証します。
私たちはシミュレーションと現実世界を通じてアプローチを検証し、ロボットアームの情報収集軌道を生成するエリアカバレッジの点で、LHVPが単純なパトロール方法よりも大幅に優れていることを示します。
私たちの結果は、長期的な自律測量および環境データ収集タスクにおけるモバイル ロボットの展開に有望な方向性を示しており、困難な現実世界のアプリケーションにおけるインテリジェント ロボット システムの可能性を強調しています。
要約(オリジナル)
Gathering visual information effectively to monitor known environments is a key challenge in robotics. To be as efficient as human surveyors, robotic systems must continuously collect observational data required to complete their survey task. Inspection personnel instinctively know to look at relevant equipment that happens to be “along the way.” In this paper, we introduce a novel framework for continuous long-horizon viewpoint planning, for ground robots, applied to tasks involving patrolling, monitoring or visual data gathering in known environments. Our approach to Long Horizon Viewpoint Planning (LHVP), enables the robot to autonomously navigate and collect environmental data optimizing for coverage over the horizon of the patrol. Leveraging a quadruped’s mobility and sensory capabilities, our LHVP framework plans patrol paths that account for coupling the viewpoint planner for the arm camera with the mobile base’s navigation planner. The viewpath optimization algorithm seeks a balance between comprehensive environmental coverage and dynamically feasible movements, thus ensuring prolonged and effective operation in scenarios including monitoring, security surveillance, and disaster response. We validate our approach through simulations and in the real world and show that our LHVP significantly outperforms naive patrolling methods in terms of area coverage generating information-gathering trajectories for the robot arm. Our results indicate a promising direction for the deployment of mobile robots in long-term, autonomous surveying, and environmental data collection tasks, highlighting the potential of intelligent robotic systems in challenging real-world applications.
arxiv情報
| 著者 | Srinath Tankasala,Roberto Martín-Martín,Mitch Pryor |
| 発行日 | 2024-08-22 16:08:45+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google