TRG-planner: Traversal Risk Graph-Based Path Planning in Unstructured Environments for Safe and Efficient Navigation

要約

山、洞窟、工事現場、災害地などの非構造的な環境は、地形が不規則であるため、自律航法にとって困難である。特に、危険な地形を回避し、迅速かつ安全にゴールに到達するための経路計画は極めて重要である。本論文では、地形の幾何学的な横断可能性を考慮した新しいグラフ表現であるTraversal Risk Graph (TRG)を活用した、安全で距離効率の良い経路計画手法を提案する。TRGのノードは地形の安定性と到達可能性を表し、エッジは相対的なトラバーサルリスクの重み付けされた経路候補を表す。さらに、TRGは波面伝播方式で構築され、階層的に管理されるため、大規模環境においてもリアルタイムな計画立案が可能である。最後に、TRG上でグラフ最適化問題を定式化し、安全な経路と短い経路の両方を優先してロボットを航行させる。我々のアプローチは、従来の方法と比較して、優れた安全性、距離効率、および高速処理時間を実証した。また、4足歩行ロボットを用いたいくつかの実環境実験でも検証された。特に、TRG-plannerは、ICRA 2023の四足歩行ロボットチャレンジで優勝したDreamSTEPチームの自律航法フレームワークのグローバルパスプランナーとして貢献した。プロジェクトのページは https://trg-planner.github.io 。

要約(オリジナル)

Unstructured environments such as mountains, caves, construction sites, or disaster areas are challenging for autonomous navigation because of terrain irregularities. In particular, it is crucial to plan a path to avoid risky terrain and reach the goal quickly and safely. In this paper, we propose a method for safe and distance-efficient path planning, leveraging Traversal Risk Graph (TRG), a novel graph representation that takes into account geometric traversability of the terrain. TRG nodes represent stability and reachability of the terrain, while edges represent relative traversal risk-weighted path candidates. Additionally, TRG is constructed in a wavefront propagation manner and managed hierarchically, enabling real-time planning even in large-scale environments. Lastly, we formulate a graph optimization problem on TRG that leads the robot to navigate by prioritizing both safe and short paths. Our approach demonstrated superior safety, distance efficiency, and fast processing time compared to the conventional methods. It was also validated in several real-world experiments using a quadrupedal robot. Notably, TRG-planner contributed as the global path planner of an autonomous navigation framework for the DreamSTEP team, which won the Quadruped Robot Challenge at ICRA 2023. The project page is available at https://trg-planner.github.io .

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL