Radar Teach and Repeat: Architecture and Initial Field Testing

要約

周波数変調連続波 (FMCW) スキャニング レーダーは、移動ロボットの状態推定用の回転 LiDAR の代替手段として登場しました。
レーダーの波長が長いため、小さな粒子による影響が少なく、塵、煙、霧などの厳しい環境でも運用上の利点が得られます。
この論文では、オフロードロボットの長期自律走行のためのフルスタックレーダーシステムであるレーダー ティーチ アンド リピート (RT&R) について説明します。
RT&R は、GPS がなくても、オフロードの混雑したエリアでも確実にルートを走行できます。
レーダー システムの閉ループ パス追跡パフォーマンスをベンチマークし、対応する 3D LiDAR と比較します。
ナビゲーションにレーダーとジャイロのみを使用し、介入なしで11.8kmの自動運転が完了しました。
RT&R は、シーンのジオメトリが徐々に構造化されていないさまざまなルートで評価されました。
RT&R は、ルートがより困難になるにつれて、横方向パス追跡の二乗平均平方根誤差 (RMSE) が 5.6 cm、7.5 cm、12.1 cm を達成しました。
テストに使用したロボットでは、これらの RMSE 値はタイヤ 1 本の幅 (24 cm) の半分未満です。
これらの同じルートには、最悪の場合の誤差が 21.7 cm、24.0 cm、および 43.8 cm あります。
私たちは、困難なオフロードシナリオにおいて長期的な自律性を実現するには、レーダーが LiDAR に代わる実行可能な代替手段であると結論付けています。
RT&R の実装はオープンソースであり、https://github.com/utiasASRL/vtr3 から入手できます。

要約(オリジナル)

Frequency-modulated continuous-wave (FMCW) scanning radar has emerged as an alternative to spinning LiDAR for state estimation on mobile robots. Radar’s longer wavelength is less affected by small particulates, providing operational advantages in challenging environments such as dust, smoke, and fog. This paper presents Radar Teach and Repeat (RT&R): a full-stack radar system for long-term off-road robot autonomy. RT&R can drive routes reliably in off-road cluttered areas without any GPS. We benchmark the radar system’s closed-loop path-tracking performance and compare it to its 3D LiDAR counterpart. 11.8 km of autonomous driving was completed without interventions using only radar and gyro for navigation. RT&R was evaluated on different routes with progressively less structured scene geometry. RT&R achieved lateral path-tracking root mean squared errors (RMSE) of 5.6 cm, 7.5 cm, and 12.1 cm as the routes became more challenging. On the robot we used for testing, these RMSE values are less than half of the width of one tire (24 cm). These same routes have worst-case errors of 21.7 cm, 24.0 cm, and 43.8 cm. We conclude that radar is a viable alternative to LiDAR for long-term autonomy in challenging off-road scenarios. The implementation of RT&R is open-source and available at: https://github.com/utiasASRL/vtr3.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google