Reactive Collision Avoidance for Safe Agile Navigation

要約

反応性衝突回避は、複雑で動的な環境をナビゲートするアジャイルロボットに不可欠であり、リアルタイムの障害物反応を可能にします。
ただし、このタスクは、従来の方法が個別に処理されることが多く、複合エラーと遅延をもたらすことが多い、知覚、計画、および制御の密接な統合が必要であるため、本質的に困難です。
このホワイトペーパーでは、これらのタスクを統合した単一の反応的フレームワークに統合する新しいアプローチを紹介します。
私たちの方法は、非線形モデルの予測制御と適応制御バリア関数を組み合わせて、知覚駆動型の制約をリアルタイムの計画と制御に直接リンクします。
制約は、ニューラルネットワークを使用してノイズの多いRGB-Dデータを改良し、深さの精度を高め、最小衝突時間とともにポイントを選択して最も差し迫った脅威を優先することにより決定されます。
安全性と俊敏性のバランスを維持するために、ヒューリスティックは最適化プロセスを動的に調整し、リアルタイムで過剰な制約を防ぎます。
アジャイル象限を使用した広範な実験は、環境固有のチューニングや明示的なマッピングを必要とせずに、多様な屋内および屋外環境にわたる効果的な衝突回避を示しています。

要約(オリジナル)

Reactive collision avoidance is essential for agile robots navigating complex and dynamic environments, enabling real-time obstacle response. However, this task is inherently challenging because it requires a tight integration of perception, planning, and control, which traditional methods often handle separately, resulting in compounded errors and delays. This paper introduces a novel approach that unifies these tasks into a single reactive framework using solely onboard sensing and computing. Our method combines nonlinear model predictive control with adaptive control barrier functions, directly linking perception-driven constraints to real-time planning and control. Constraints are determined by using a neural network to refine noisy RGB-D data, enhancing depth accuracy, and selecting points with the minimum time-to-collision to prioritize the most immediate threats. To maintain a balance between safety and agility, a heuristic dynamically adjusts the optimization process, preventing overconstraints in real time. Extensive experiments with an agile quadrotor demonstrate effective collision avoidance across diverse indoor and outdoor environments, without requiring environment-specific tuning or explicit mapping.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google