Enhanced Probabilistic Collision Detection for Motion Planning Under Sensing Uncertainty

要約

確率的衝突検出（PCD）は、非構造化された環境で動作するロボットの動き計画に不可欠です。
既存のPCDメソッドは、主に簡素化された幾何学モデルを使用し、位置推定エラーのみに対処しました。
このホワイトペーパーでは、2つの重要な進歩を備えた強化されたPCDメソッドを紹介します。（a）より正確な形状近似のためにスーパークアドリックを使用し、（b）センシングの不確実性の下での堅牢性を改善するための位置と方向の推定誤差の両方を説明します。
私たちの方法は、最初に、観測された回転コピーをカプセル化する各オブジェクトの拡大した表面を計算し、それにより方向推定エラーに対処します。
次に、位置推定エラーの下での衝突確率は、緊密な上限で解決される偶然の制約問題として定式化されます。
どちらのステップでも、最近開発された超四方性表面の通常のパラメーター化を活用します。
結果は、PCDメソッドが最良の既存のPCDメソッドとしてモンテカルロサンプリングベースラインに2倍近く、パスの長さをそれぞれ30％削減し、計画時間を37％削減することを示しています。
REAL2SIMパイプラインは、方向推定エラーを考慮することの重要性をさらに検証し、シミュレーションで計画されたパスを実行する衝突確率が2％のみであることを示しています。

要約(オリジナル)

Probabilistic collision detection (PCD) is essential in motion planning for robots operating in unstructured environments, where considering sensing uncertainty helps prevent damage. Existing PCD methods mainly used simplified geometric models and addressed only position estimation errors. This paper presents an enhanced PCD method with two key advancements: (a) using superquadrics for more accurate shape approximation and (b) accounting for both position and orientation estimation errors to improve robustness under sensing uncertainty. Our method first computes an enlarged surface for each object that encapsulates its observed rotated copies, thereby addressing the orientation estimation errors. Then, the collision probability under the position estimation errors is formulated as a chance-constraint problem that is solved with a tight upper bound. Both the two steps leverage the recently developed normal parameterization of superquadric surfaces. Results show that our PCD method is twice as close to the Monte-Carlo sampled baseline as the best existing PCD method and reduces path length by 30% and planning time by 37%, respectively. A Real2Sim pipeline further validates the importance of considering orientation estimation errors, showing that the collision probability of executing the planned path in simulation is only 2%, compared to 9% and 29% when considering only position estimation errors or none at all.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google