Real-time Spatial-temporal Traversability Assessment via Feature-based Sparse Gaussian Process

要約

現実世界のタスク、特に屋外の非構造化環境での地上モバイルロボットを実際に適用するには、地形分析が重要です。
この論文では、自律的なロボットが複雑な地形を効果的にナビゲートできるようにすることを目的とした、新しい空間的な横断性評価方法を提案します。
当社のアプローチでは、スパースガウスプロセス（SGP）を利用して、ポイントクラウドスキャンから直接幾何学的特徴（曲率、勾配、標高など）を抽出します。
これらの機能は、高解像度のローカルトラバース性マップを構築するために使用されます。
次に、空間的なベイジアンガウスカーネル（BGK）推論方法を設計して、斜面、平坦性、勾配、不確実性メトリックなどの要因を考慮しながら、履歴データとリアルタイムのデータを統合しながら、横断性スコアを動的に評価します。
GPUアクセラレーションは特徴抽出ステップに適用され、システムはリアルタイムのパフォーマンスを実現します。
多様な地形シナリオ全体の広範なシミュレーション実験は、私たちの方法が精度と計算効率の両方でSOTAアプローチを上回ることを示しています。
さらに、トラバース性マップと統合された自律ナビゲーションフレームワークを開発し、複雑な屋外環境で微分駆動型の車両で検証します。
私たちのコードは、コミュニティ、https://github.com/zju-fast-lab/fsgp_bgkによるさらなる研究開発のためのオープンソースになります。

要約(オリジナル)

Terrain analysis is critical for the practical application of ground mobile robots in real-world tasks, especially in outdoor unstructured environments. In this paper, we propose a novel spatial-temporal traversability assessment method, which aims to enable autonomous robots to effectively navigate through complex terrains. Our approach utilizes sparse Gaussian processes (SGP) to extract geometric features (curvature, gradient, elevation, etc.) directly from point cloud scans. These features are then used to construct a high-resolution local traversability map. Then, we design a spatial-temporal Bayesian Gaussian kernel (BGK) inference method to dynamically evaluate traversability scores, integrating historical and real-time data while considering factors such as slope, flatness, gradient, and uncertainty metrics. GPU acceleration is applied in the feature extraction step, and the system achieves real-time performance. Extensive simulation experiments across diverse terrain scenarios demonstrate that our method outperforms SOTA approaches in both accuracy and computational efficiency. Additionally, we develop an autonomous navigation framework integrated with the traversability map and validate it with a differential driven vehicle in complex outdoor environments. Our code will be open-source for further research and development by the community, https://github.com/ZJU-FAST-Lab/FSGP_BGK.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google