Local Minima Prediction using Dynamic Bayesian Filtering for UGV Navigation in Unstructured Environments

要約

パス計画は自動運転車のナビゲーションにとって重要ですが、これらの車両は複雑で現実世界の環境で課題に直面しています。
グローバルな見解は提供される場合がありますが、多くの場合時代遅れであり、無人の地上車両（UGV）がリアルタイムのローカル情報に依存する必要があります。
グローバルなコンテキストを考慮せずに、部分的な情報への依存は、UGVがローカルミニマに立ち往生することにつながる可能性があります。
このペーパーでは、ローカルビューの検出された障害とグローバルな目標に基づいて、動的ベイジアンフィルタリングを使用して局所的な最小値を積極的に予測する方法を開発します。
このアプローチの目的は、自動運転車両の自律的なナビゲーションを強化することを目的としています。潜在的な落とし穴を予測できるようにすることで、人間に助けを求めるか、代替軌道を再計画することができます。

要約(オリジナル)

Path planning is crucial for the navigation of autonomous vehicles, yet these vehicles face challenges in complex and real-world environments. Although a global view may be provided, it is often outdated, necessitating the reliance of Unmanned Ground Vehicles (UGVs) on real-time local information. This reliance on partial information, without considering the global context, can lead to UGVs getting stuck in local minima. This paper develops a method to proactively predict local minima using Dynamic Bayesian filtering, based on the detected obstacles in the local view and the global goal. This approach aims to enhance the autonomous navigation of self-driving vehicles by allowing them to predict potential pitfalls before they get stuck, and either ask for help from a human, or re-plan an alternate trajectory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google