Mapless Collision-Free Flight via MPC using Dual KD-Trees in Cluttered Environments

要約

散らかった環境での衝突のない飛行は、自律的な四角体にとって重要な機能です。
従来の方法は、多くの場合、詳細な3Dマップ構造、軌跡の生成、追跡に依存しています。
ただし、このカスケードパイプラインは、累積エラーと計算遅延を導入し、飛行の俊敏性と安全性を制限することができます。
この論文では、3Dマップを明示的に構築したり、衝突のない軌道を生成したり追跡したりすることなく、乱雑な環境で衝突のない飛行を可能にするための新しい方法を提案します。
代わりに、モデル予測制御（MPC）を活用して、スパースウェイポイントから安全なアクションを直接生成し、深度カメラからポイントクラウドを作成します。
これらのスパースウェイポイントは、ポイントクラウドから検出された近くの障害に基づいて、オンラインで動的に調整されています。
これを実現するために、デュアルKDツリーメカニズムを導入します。KD-Treeは回避のために最も近い障害を迅速に識別しますが、Edge KD-TreeはMPCソルバーに堅牢な初期推測を提供し、障害物回避中に局所ミニマに詰まらないようにします。
広範な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検証します。
結果は、私たちのアプローチがマッピングベースの方法を大幅に上回り、模倣学習ベースの方法よりも優れており、シミュレーションで最大12 m/s、実際のテストで6 m/sで信頼できる障害物回避を実証することを示しています。
私たちの方法は、既存の方法に代わるシンプルで堅牢な代替品を提供します。

要約(オリジナル)

Collision-free flight in cluttered environments is a critical capability for autonomous quadrotors. Traditional methods often rely on detailed 3D map construction, trajectory generation, and tracking. However, this cascade pipeline can introduce accumulated errors and computational delays, limiting flight agility and safety. In this paper, we propose a novel method for enabling collision-free flight in cluttered environments without explicitly constructing 3D maps or generating and tracking collision-free trajectories. Instead, we leverage Model Predictive Control (MPC) to directly produce safe actions from sparse waypoints and point clouds from a depth camera. These sparse waypoints are dynamically adjusted online based on nearby obstacles detected from point clouds. To achieve this, we introduce a dual KD-Tree mechanism: the Obstacle KD-Tree quickly identifies the nearest obstacle for avoidance, while the Edge KD-Tree provides a robust initial guess for the MPC solver, preventing it from getting stuck in local minima during obstacle avoidance. We validate our approach through extensive simulations and real-world experiments. The results show that our approach significantly outperforms the mapping-based methods and is also superior to imitation learning-based methods, demonstrating reliable obstacle avoidance at up to 12 m/s in simulations and 6 m/s in real-world tests. Our method provides a simple and robust alternative to existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google