Autonomous Navigation in Ice-Covered Waters with Learned Predictions on Ship-Ice Interactions

要約

氷に覆われた水域での自律航行は、実行可能な衝突のない軌道が頻繁に欠如しているため、重大な課題を引き起こします。
障害物を完全に回避することが不可能な場合、衝突を最小限に抑えるナビゲーション戦略が不可欠になります。
さらに、船の操縦に応じて移動する氷の動的な性質により、航路計画プロセスが複雑になります。
これらの課題に対処するために、私たちは占有率推定を通じて船舶の挙動によって引き起こされる氷の動きの粗いダイナミクスを推定する新しい深層学習モデルを提案します。
リアルタイムの適用性を確保するために、中間予測結果をキャッシュし、予測モデルをグラフ検索プランナーにシームレスに統合する新しいアプローチを提案します。
提案されたプランナーをシミュレーションと既存のアプローチに対する物理テストベッドの両方で評価し、最先端のプランナーと比較して氷との衝突が大幅に減少することを示します。
この作業のコードとデモは https://github.com/IvanIZ/predictive-asv-planner で入手できます。

要約(オリジナル)

Autonomous navigation in ice-covered waters poses significant challenges due to the frequent lack of viable collision-free trajectories. When complete obstacle avoidance is infeasible, it becomes imperative for the navigation strategy to minimize collisions. Additionally, the dynamic nature of ice, which moves in response to ship maneuvers, complicates the path planning process. To address these challenges, we propose a novel deep learning model to estimate the coarse dynamics of ice movements triggered by ship actions through occupancy estimation. To ensure real-time applicability, we propose a novel approach that caches intermediate prediction results and seamlessly integrates the predictive model into a graph search planner. We evaluate the proposed planner both in simulation and in a physical testbed against existing approaches and show that our planner significantly reduces collisions with ice when compared to the state-of-the-art. Codes and demos of this work are available at https://github.com/IvanIZ/predictive-asv-planner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google