要約
オフロードの自治における最近の進歩は、屋外のオフロード環境に自動運動モバイルロボットを展開するという約束を示しています。
励ましの結果は、シミュレートされた実験と実世界の両方の実験から報告されています。
ただし、静的データセットでオフロードの認識タスクを評価するのとは異なり、ベンチマークオフロードモビリティは、車両プラットフォームや地形特性の変動など、さまざまな要因のために依然として大きな課題に直面しています。
さらに、モビリティ評価中に異なる車両とテレインの相互作用を展開する必要があります。これにより、事前に収集されたデータセットと比較する代わりに、モビリティシステムが環境と対話する必要があります。
このホワイトペーパーでは、非常に頑丈で垂直に挑戦的なオフロード環境に焦点を当てたモビリティベンチマークであるVerti-Benchを紹介します。
100のユニークなオフロード環境と、さまざまなジオメトリとセマンティクス、剛性と変形可能な表面、大きな自然障害など、数百万のオフロード地形特性を備えた1000の異なるナビゲーションタスクは、高忠実度の多物理学の標準化された客観的評価を提供します
シミュレーション。
Verti-Benchは、異なるスケールと作動メカニズムを備えたさまざまな車両プラットフォームにもスケーラブルです。
また、専門家のデモンストレーション、ランダム探査、障害ケース（ロールオーバーと行き詰まり）、および強化学習のためのジムのようなインターフェイスからのデータセットも提供します。
Verti-Benchを使用して、10のオフロードモビリティシステムをベンチマークし、調査結果を提示し、将来のオフロードモビリティの研究方向を特定します。
要約(オリジナル)
Recent advancement in off-road autonomy has shown promises in deploying autonomous mobile robots in outdoor off-road environments. Encouraging results have been reported from both simulated and real-world experiments. However, unlike evaluating off-road perception tasks on static datasets, benchmarking off-road mobility still faces significant challenges due to a variety of factors, including variations in vehicle platforms and terrain properties. Furthermore, different vehicle-terrain interactions need to be unfolded during mobility evaluation, which requires the mobility systems to interact with the environments instead of comparing against a pre-collected dataset. In this paper, we present Verti-Bench, a mobility benchmark that focuses on extremely rugged, vertically challenging off-road environments. 100 unique off-road environments and 1000 distinct navigation tasks with millions of off-road terrain properties, including a variety of geometry and semantics, rigid and deformable surfaces, and large natural obstacles, provide standardized and objective evaluation in high-fidelity multi-physics simulation. Verti-Bench is also scalable to various vehicle platforms with different scales and actuation mechanisms. We also provide datasets from expert demonstration, random exploration, failure cases (rolling over and getting stuck), as well as a gym-like interface for reinforcement learning. We use Verti-Bench to benchmark ten off-road mobility systems, present our findings, and identify future off-road mobility research directions.
arxiv情報
| 著者 | Tong Xu,Chenhui Pan,Madhan B. Rao,Aniket Datar,Anuj Pokhrel,Yuanjie Lu,Xuesu Xiao |
| 発行日 | 2025-02-17 04:37:19+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google