Enhancing Autonomous Navigation by Imaging Hidden Objects using Single-Photon LiDAR

要約

ロボット工学において、視界の限られた環境下でのロバストな自律ナビゲーションは依然として重要な課題である。我々は、単一光子LiDARを用いたNon-Line-of-Sight（NLOS）センシングを活用し、視認性を向上させ、自律ナビゲーションを強化する新しいアプローチを紹介する。我々の方法は、マルチバウンス光情報を利用することにより、移動ロボットが「角を見渡す」ことを可能にし、追加インフラなしで知覚範囲を効果的に拡大する。(1)SPADベースのLiDARを用いてマルチバウンスヒストグラムを取得するセンシング、(2)畳み込みニューラルネットワークを用いてこれらのヒストグラムから隠れた領域の占有マップを推定する知覚、(3)推定された占有率に基づいてロボットが安全な経路をたどることを可能にする制御。我々は、障害物が隠されたL字型の通路を移動する移動ロボットを用いたシミュレーションと実環境実験により、我々のアプローチを評価する。我々の研究は、自律的ナビゲーションのためのNLOSイメージングの最初の実験的実証であり、複雑な環境で動作する、より安全で効率的なロボットシステムへの道を開くものである。また、NLOSシナリオをシミュレートするための、ダイナミクスを統合した新しい過渡レンダリングフレームワークを提供し、この領域における将来の研究を促進する。

要約(オリジナル)

Robust autonomous navigation in environments with limited visibility remains a critical challenge in robotics. We present a novel approach that leverages Non-Line-of-Sight (NLOS) sensing using single-photon LiDAR to improve visibility and enhance autonomous navigation. Our method enables mobile robots to ‘see around corners’ by utilizing multi-bounce light information, effectively expanding their perceptual range without additional infrastructure. We propose a three-module pipeline: (1) Sensing, which captures multi-bounce histograms using SPAD-based LiDAR; (2) Perception, which estimates occupancy maps of hidden regions from these histograms using a convolutional neural network; and (3) Control, which allows a robot to follow safe paths based on the estimated occupancy. We evaluate our approach through simulations and real-world experiments on a mobile robot navigating an L-shaped corridor with hidden obstacles. Our work represents the first experimental demonstration of NLOS imaging for autonomous navigation, paving the way for safer and more efficient robotic systems operating in complex environments. We also contribute a novel dynamics-integrated transient rendering framework for simulating NLOS scenarios, facilitating future research in this domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL