Dual-BEV Nav: Dual-layer BEV-based Heuristic Path Planning for Robotic Navigation in Unstructured Outdoor Environments

要約

強力な環境適応性を備えたパス計画は、特に低品質の位置とマップ情報の場合、構造化されていない屋外環境でのロボットナビゲーションにおいて重要な役割を果たします。
ロボットの経路計画能力は、グローバルおよびローカルの地上エリアの移動性の識別に依存します。
実際のシナリオでは、屋外のオープン環境の複雑さにより、ロボットが明確に定義された構造を欠く地上エリアの通過性を特定することが困難になります。
さらに、ほとんどの既存の方法が、構造化されていない屋外シナリオにおけるローカルおよびグローバルな移動性識別の統合を分析することはめったにありません。
この問題に対処するために、新しい方法であるDual-BEV NAVを提案し、最初に鳥瞰図（BEV）表現を導入して、高品質の移動可能なパスを生成するためにローカル計画に導入します。
次に、これらのパスは、最適なウェイポイントを取得するために、グローバルBEV計画モデルによって生成されたグローバルトラバース性マップに投影されます。
ローカルとグローバルの両方のBEVからの移動性を統合することにより、二重層のBEVヒューリスティックな計画パラダイムを確立し、構造化されていない屋外環境で長距離ナビゲーションを可能にします。
パブリックデータセット評価と実際のロボットの展開の両方を通じてアプローチをテストし、有望な結果をもたらします。
ベースラインと比較して、デュアルBEV NAVは、時間距離予測精度を最大$ 18.7 \％$で改善しました。
現実世界の展開では、トレーニングセットとは大幅に異なる条件下で、グローバルBEVに顕著な閉塞があるため、デュアルベフNAVは65メートルの長さの屋外ナビゲーションを正常に達成しました。
さらなる分析では、ローカルBEVの表現が計画の合理性を大幅に向上させ、グローバルBEV確率マップにより全体的な計画の堅牢性が保証されることが示されています。

要約(オリジナル)

Path planning with strong environmental adaptability plays a crucial role in robotic navigation in unstructured outdoor environments, especially in the case of low-quality location and map information. The path planning ability of a robot depends on the identification of the traversability of global and local ground areas. In real-world scenarios, the complexity of outdoor open environments makes it difficult for robots to identify the traversability of ground areas that lack a clearly defined structure. Moreover, most existing methods have rarely analyzed the integration of local and global traversability identifications in unstructured outdoor scenarios. To address this problem, we propose a novel method, Dual-BEV Nav, first introducing Bird’s Eye View (BEV) representations into local planning to generate high-quality traversable paths. Then, these paths are projected onto the global traversability map generated by the global BEV planning model to obtain the optimal waypoints. By integrating the traversability from both local and global BEV, we establish a dual-layer BEV heuristic planning paradigm, enabling long-distance navigation in unstructured outdoor environments. We test our approach through both public dataset evaluations and real-world robot deployments, yielding promising results. Compared to baselines, the Dual-BEV Nav improved temporal distance prediction accuracy by up to $18.7\%$. In the real-world deployment, under conditions significantly different from the training set and with notable occlusions in the global BEV, the Dual-BEV Nav successfully achieved a 65-meter-long outdoor navigation. Further analysis demonstrates that the local BEV representation significantly enhances the rationality of the planning, while the global BEV probability map ensures the robustness of the overall planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google