SHIFT Planner: Speedy Hybrid Iterative Field and Segmented Trajectory Optimization with IKD-tree for Uniform Lightweight Coverage

要約

このペーパーでは、セマンティックマッピング、適応カバレッジ計画、動的障害回避、正確な軌跡追跡を統合することにより、これらの制限に対処する包括的な計画およびナビゲーションフレームワークを紹介します。
私たちのフレームワークは、パノプティック占有率のローカルセマンティックマップと、単眼カメラ、IMU、およびGPSの間に並べられたデータからの正確なローカリゼーション情報を生成することから始まります。
この情報は、入力地形ポイントクラウドまたはプリロードされた地形情報と組み合わせて、計画プロセスを初期化します。
拡散フィールドモデルを利用して、汚れや乾燥などの環境属性に基づいてロボットのカバレッジの軌跡と速度を動的に調整する拡散フィールドモデルを利用する輝くフィールドに基づいたカバレッジ計画アルゴリズムを提案します。
ガウスフィールドを使用してロボットのアクションの空間的影響をモデル化することにより、さまざまな環境条件に適応しながら、速度が最適で均一なカバレッジの軌跡を保証します。

要約(オリジナル)

This paper introduces a comprehensive planning and navigation framework that address these limitations by integrating semantic mapping, adaptive coverage planning, dynamic obstacle avoidance and precise trajectory tracking. Our framework begins by generating panoptic occupancy local semantic maps and accurate localization information from data aligned between a monocular camera, IMU, and GPS. This information is combined with input terrain point clouds or preloaded terrain information to initialize the planning process. We propose the Radiant Field-Informed Coverage Planning algorithm, which utilizes a diffusion field model to dynamically adjust the robot’s coverage trajectory and speed based on environmental attributes such as dirtiness and dryness. By modeling the spatial influence of the robot’s actions using a Gaussian field, ensures a speed-optimized, uniform coverage trajectory while adapting to varying environmental conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google