Reactive Collision Avoidance for Safe Agile Navigation

要約

反応的な衝突回避は、複雑で動的な環境を機敏に移動するロボットにとって不可欠であり、リアルタイムの障害物への対応を可能にします。
ただし、このタスクは本質的に困難です。認識、計画、制御を緊密に統合する必要があり、従来の方法ではこれらを個別に処理することが多く、結果としてエラーと遅延が複合化します。
このペーパーでは、オンボードのセンシングとコンピューティングのみを使用して、これらのタスクを単一のリアクティブ フレームワークに統合する新しいアプローチを紹介します。
私たちの手法は、非線形モデルの予測制御と適応制御バリア関数を組み合わせ、知覚駆動型の制約をリアルタイムの計画と制御に直接結び付けます。
制約は、ニューラル ネットワークを使用してノイズの多い RGB-D データを調整し、深度の精度を向上させ、最も差し迫った脅威を優先するために衝突までの時間が最小のポイントを選択することによって決定されます。
安全性と俊敏性のバランスを維持するために、ヒューリスティックによって最適化プロセスが動的に調整され、過剰な制約がリアルタイムで回避されます。
アジャイル クアローターを使用した広範な実験により、環境固有の調整や明示的なマッピングを必要とせずに、屋内および屋外のさまざまな環境にわたって効果的な衝突回避が実証されました。

要約(オリジナル)

Reactive collision avoidance is essential for agile robots navigating complex and dynamic environments, enabling real-time obstacle response. However, this task is inherently challenging because it requires a tight integration of perception, planning, and control, which traditional methods often handle separately, resulting in compounded errors and delays. This paper introduces a novel approach that unifies these tasks into a single reactive framework using solely onboard sensing and computing. Our method combines nonlinear model predictive control with adaptive control barrier functions, directly linking perception-driven constraints to real-time planning and control. Constraints are determined by using a neural network to refine noisy RGB-D data, enhancing depth accuracy, and selecting points with the minimum time-to-collision to prioritize the most immediate threats. To maintain a balance between safety and agility, a heuristic dynamically adjusts the optimization process, preventing overconstraints in real time. Extensive experiments with an agile quadrotor demonstrate effective collision avoidance across diverse indoor and outdoor environments, without requiring environment-specific tuning or explicit mapping.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google