Vector Field-Guided Learning Predictive Control for Motion Planning of Mobile Robots with Uncertain Dynamics

要約

障害物が密集したシナリオでは、安全な操縦能力を向上させるために、移動ロボットに安全な誘導を提供することが重要です。
ただし、標準のガイド ベクトル フィールド (GVF) によって提供されるガイドでは、障害物を通過する際の積分曲線の曲率が不適切なため、動作能力が制限される場合があります。
一方で、ロボット システムのダイナミクスは、多くの場合、時間とともに変化し、不確実であり、動作計画プロセス中には不明ですらあります。
したがって、既存の運動力学的運動計画法の多くは、安全性を保証する上で満足できる信頼性を達成できませんでした。
これらの課題に対処するために、安全な操縦性を向上させる 2 レベルのベクトル場誘導学習予測制御 (VF-LPC) アプローチを提案します。
最初のレベルであるガイド レベルは、設計された運動力学的 GVF を使用して安全な望ましい軌道を生成し、障害物が密集した環境でも安全な動作を可能にします。
2 番目のレベルである統合モーション計画制御 (IMPC) レベルでは、まずディープ クープマン オペレーターを使用してオフラインで公称力学モデルを学習し、次にスパース ガウス過程 (GP) を使用してモデルの不確実性をオンラインで更新します。
次に、学習されたダイナミクスとゲームベースの安全バリア機能が LPC フレームワークに組み込まれ、最適に近い計画ソリューションが生成されます。
クアッドローター無人航空機と無人地上車両に関して広範なシミュレーションと実世界実験が実施され、VF-LPC によってロボットが安全に操縦できることが実証されました。

要約(オリジナル)

In obstacle-dense scenarios, providing safe guidance for mobile robots is critical to improve the safe maneuvering capability. However, the guidance provided by standard guiding vector fields (GVFs) may limit the motion capability due to the improper curvature of the integral curve when traversing obstacles. On the other hand, robotic system dynamics are often time-varying, uncertain, and even unknown during the motion planning process. Therefore, many existing kinodynamic motion planning methods could not achieve satisfactory reliability in guaranteeing safety. To address these challenges, we propose a two-level Vector Field-guided Learning Predictive Control (VF-LPC) approach that improves safe maneuverability. The first level, the guiding level, generates safe desired trajectories using the designed kinodynamic GVF, enabling safe motion in obstacle-dense environments. The second level, the Integrated Motion Planning and Control (IMPC) level, first uses a deep Koopman operator to learn a nominal dynamics model offline and then updates the model uncertainties online using sparse Gaussian processes (GPs). The learned dynamics and a game-based safe barrier function are then incorporated into the LPC framework to generate near-optimal planning solutions. Extensive simulations and real-world experiments were conducted on quadrotor unmanned aerial vehicles and unmanned ground vehicles, demonstrating that VF-LPC enables robots to maneuver safely.

arxiv情報

著者 Yang Lu,Weijia Yao,Yongqian Xiao,Xinglong Zhang,Xin Xu,Yaonan Wang,Dingbang Xiao
発行日 2024-10-16 11:20:30+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク