Enhancing Autonomous Navigation by Imaging Hidden Objects using Single-Photon LiDAR

要約

視認性が限られている環境での堅牢な自律ナビゲーションは、ロボット工学における重要な課題のままです。
単一光子LIDARを使用して、視界を向上させ、自律ナビゲーションを強化するために、非表示（NLOS）センシングを活用する新しいアプローチを提示します。
私たちの方法により、マルチバウンスの光情報を利用して、追加のインフラストラクチャなしで知覚範囲を効果的に拡大することにより、モバイルロボットが「コーナーの周りを見る」ことができます。
3モジュールパイプラインを提案します。（1）SPADベースのLIDARを使用してマルチバウンスヒストグラムをキャプチャするセンシング。
（2）畳み込みニューラルネットワークを使用して、これらのヒストグラムから隠された領域の占有マップを推定する知覚。
（3）コントロール。これにより、ロボットは推定占有率に基づいて安全なパスをたどることができます。
隠れた障害物を備えたL字型の廊下をナビゲートするモバイルロボットでのシミュレーションと現実世界の実験を通じてアプローチを評価します。
私たちの作品は、自律的なナビゲーションのためのNLOSイメージングの最初の実験的デモンストレーションを表しており、複雑な環境で動作するより安全で効率的なロボットシステムへの道を開いています。
また、NLOSシナリオをシミュレートするための新しいダイナミクス統合された過渡レンダリングフレームワークを提供し、このドメインでの将来の研究を促進します。

要約(オリジナル)

Robust autonomous navigation in environments with limited visibility remains a critical challenge in robotics. We present a novel approach that leverages Non-Line-of-Sight (NLOS) sensing using single-photon LiDAR to improve visibility and enhance autonomous navigation. Our method enables mobile robots to ‘see around corners’ by utilizing multi-bounce light information, effectively expanding their perceptual range without additional infrastructure. We propose a three-module pipeline: (1) Sensing, which captures multi-bounce histograms using SPAD-based LiDAR; (2) Perception, which estimates occupancy maps of hidden regions from these histograms using a convolutional neural network; and (3) Control, which allows a robot to follow safe paths based on the estimated occupancy. We evaluate our approach through simulations and real-world experiments on a mobile robot navigating an L-shaped corridor with hidden obstacles. Our work represents the first experimental demonstration of NLOS imaging for autonomous navigation, paving the way for safer and more efficient robotic systems operating in complex environments. We also contribute a novel dynamics-integrated transient rendering framework for simulating NLOS scenarios, facilitating future research in this domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google