Off the Beaten Track: Laterally Weighted Motion Planning for Local Obstacle Avoidance

要約

曲線計画空間と組み合わせた新しいエッジコストメトリクスを導入することにより、長距離経路追跡中の障害物回避をサポートするために、汎用サンプルベースのモーションプランナーの動作を拡張します。
結果として得られるプランナーは、基準パスからの事前の地形知識を最大限に活用するために横方向のパスの逸脱を最小限に抑えながら、局所的な障害物を回避する自然で滑らかなパスを生成します。
この適応では、曲線構成空間における計画の微妙な違いを調査し、一般性を向上させるための自然な特異点処理のメカニズムについて説明します。
次に、軌道生成問題に焦点を移し、障害物回避を改善するためにパス プランナーを最大限に活用する新しいモデル予測制御 (MPC) アーキテクチャを提案します。
5 km を超える厳密なフィールドロボット試験を通じて、私たちのアプローチをより一般的な直接経路追跡 MPC 手法と比較し、信頼性の高い長期自律運用に対するこれらの手法の有望性について議論します。

要約(オリジナル)

We extend the behaviour of generic sample-based motion planners to support obstacle avoidance during long-range path following by introducing a new edge-cost metric paired with a curvilinear planning space. The resulting planner generates naturally smooth paths that avoid local obstacles while minimizing lateral path deviation to best exploit prior terrain knowledge from the reference path. In this adaptation, we explore the nuances of planning in the curvilinear configuration space and describe a mechanism for natural singularity handling to improve generality. We then shift our focus to the trajectory generation problem, proposing a novel Model Predictive Control (MPC) architecture to best exploit our path planner for improved obstacle avoidance. Through rigorous field robotics trials over 5 km, we compare our approach to the more common direct path-tracking MPC method and discuss the promise of these techniques for reliable long-term autonomous operations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google