ArtPlanner: Robust Legged Robot Navigation in the Field

要約

DARPA Subterranean Challenge 中は非常に複雑な環境が存在したため、資金提供を受けた 6 つのチームはすべて、ロボット チームの一部として脚付きロボットに依存していました。
障害物を乗り越えることができる彼らのユニークな移動スキルには、ナビゲーション計画に特別な考慮が必要です。
この作品では、ファイナルでチーム CERBERUS が使用したナビゲーション プランナーである ArtPlanner を紹介し、検討します。
これは、到達可能性を抽象化して有効なポーズを決定し、学習した足場スコアを使用して足を踏み入れても安全と見なされる領域を制限するサンプリング ベースの方法に基づいています。
結果として得られる計画グラフには、シミュレーションでトレーニングされたニューラル ネットワークによって学習されたモーション コストが割り当てられ、走査時間が最小限に抑えられ、失敗のリスクが制限されます。
私たちの方法は、限られた計算時間でリアルタイムのパフォーマンスを実現します。
DARPA Subterranean Challenge の Finals イベント中に収集された広範な実験結果を提示します。この方法は、チーム CERBERUS が競争に勝利するのに貢献しました。
それは、単一の計画や移動の失敗なしに、90 分間の自律操作で 4 つの ANYmal 四足動物のナビゲーションに電力を供給しました。

要約(オリジナル)

Due to the highly complex environment present during the DARPA Subterranean Challenge, all six funded teams relied on legged robots as part of their robotic team. Their unique locomotion skills of being able to step over obstacles require special considerations for navigation planning. In this work, we present and examine ArtPlanner, the navigation planner used by team CERBERUS during the Finals. It is based on a sampling-based method that determines valid poses with a reachability abstraction and uses learned foothold scores to restrict areas considered safe for stepping. The resulting planning graph is assigned learned motion costs by a neural network trained in simulation to minimize traversal time and limit the risk of failure. Our method achieves real-time performance with a bounded computation time. We present extensive experimental results gathered during the Finals event of the DARPA Subterranean Challenge, where this method contributed to team CERBERUS winning the competition. It powered navigation of four ANYmal quadrupeds for 90 minutes of autonomous operation without a single planning or locomotion failure.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google