Time-Optimized Safe Navigation in Unstructured Environments through Learning Based Depth Completion

要約

四重節は、農業、捜索救助、インフラストラクチャの検査など、いくつかのアプリケーションに大きな有望です。
自律操作を達成するには、システムが複雑でなじみのない環境を安全にナビゲートする必要があります。
このレベルの自律性は、そのような環境の複雑さと、特にサイズ、重量、およびパワー（SWAP）に制約されるプラットフォーム（SWAP）に制約されたリアルタイムの意思決定の必要性により、特に困難です。これは、飛行時間を制限し、マッピングの光検出や範囲（LIDAR）などのかさばるセンサーの使用を排除します。
さらに、グローバルに最適な衝突のないパスを計算し、それらをリアルタイムで時間最適化された安全な軌跡に変換すると、重要な計算の複雑さが追加されます。
これらの課題に対処するために、軽量のオンボードセンサーのみに依存する、完全にオンボードのリアルタイムナビゲーションシステムを紹介します。
当社のシステムは、ステレオと単眼学習ベースの深さを融合する新しい視覚深度推定アプローチを使用して、環境の密な3Dマップを構築し、従来のステレオメソッドよりも長距離、密度が高く、ノイズの少ない深度マップを生成します。
このマップに基づいて、時間最適なグローバル軌跡を迅速に計算できる新しい計画と軌道の生成フレームワークを紹介します。
マップが新しい深度情報で徐々に更新されると、システムは安全性と最適性を維持するために軌道を継続的に改良します。
プランナーと軌道ジェネレーターの両方は、計算効率の観点から最先端の方法よりも優れており、障害物のない軌跡を保証します。
私たちは、多様な屋内および屋外環境での堅牢な自律飛行実験を通じてシステムを検証し、以前は未知の設定での安全なナビゲーションの有効性を示しています。

要約(オリジナル)

Quadrotors hold significant promise for several applications such as agriculture, search and rescue, and infrastructure inspection. Achieving autonomous operation requires systems to navigate safely through complex and unfamiliar environments. This level of autonomy is particularly challenging due to the complexity of such environments and the need for real-time decision making especially for platforms constrained by size, weight, and power (SWaP), which limits flight time and precludes the use of bulky sensors like Light Detection and Ranging (LiDAR) for mapping. Furthermore, computing globally optimal, collision-free paths and translating them into time-optimized, safe trajectories in real time adds significant computational complexity. To address these challenges, we present a fully onboard, real-time navigation system that relies solely on lightweight onboard sensors. Our system constructs a dense 3D map of the environment using a novel visual depth estimation approach that fuses stereo and monocular learning-based depth, yielding longer-range, denser, and less noisy depth maps than conventional stereo methods. Building on this map, we introduce a novel planning and trajectory generation framework capable of rapidly computing time-optimal global trajectories. As the map is incrementally updated with new depth information, our system continuously refines the trajectory to maintain safety and optimality. Both our planner and trajectory generator outperforms state-of-the-art methods in terms of computational efficiency and guarantee obstacle-free trajectories. We validate our system through robust autonomous flight experiments in diverse indoor and outdoor environments, demonstrating its effectiveness for safe navigation in previously unknown settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google