Safe motion planning with environment uncertainty

要約

タイトル：環境不確実性のある安全な動作計画
要約：
– ランドマークの位置の不確実性を考慮しつつ、ロボットの状態と周囲の環境（障害物とランドマークの位置）の不確実性に対する安全な運動計画のアプローチを提案する。
– ランドマーク位置がよく知られているまたはわずかな不確実性があるという前提の元で既存の計画アプローチが行われているが、それは現実には正しくないことがある。
– ノイズのあるセンサーや不完全なモーションは、環境特徴の推定から生じる誤差に加えて、ランドマーク推定の誤差をもとにしている。さらに、可能な遮蔽物や動的オブジェクトによりランドマーク推定が不完全になることがありうる。
– この不確実性を考慮しないとロボットの位置が誤って推定され、非効率的な計画につながる可能性があるため、我々のアプローチはランドマーク推定をBayesフィルター推定フレームワーク内で取り入れたものである。
– また、ガウス分布されたロボットの動き、知覚、障害物位置の不確実性下での衝突確率の正確な式を導出することにより、状態-of-the-artを拡張する。衝突確率プロセスをランダム変数の二次形式として定式化し、ガウス分布の仮定の下で、リアルタイムで計算可能な衝突確率の正確な式を得る。これに対し、既存のアプローチは上限を用いた衝突確率の近似を用いており、過度に保守的な推定を導く場合があり、それによりサブオプティマルな計画が生じることがある。
– 理論的な例とシミュレーションを用いて我々のアプローチを示し、評価した。また、我々のアプローチを違った状態-of-the-artの方法と比較した。

要約(オリジナル)

We present an approach for safe motion planning under robot state and environment (obstacle and landmark location) uncertainties. To this end, we first develop an approach that accounts for the landmark uncertainties during robot localization. Existing planning approaches assume that the landmark locations are well known or are known with little uncertainty. However, this might not be true in practice. Noisy sensors and imperfect motions compound to the errors originating from the estimate of environment features. Moreover, possible occlusions and dynamic objects in the environment render imperfect landmark estimation. Consequently, not considering this uncertainty can wrongly localize the robot, leading to inefficient plans. Our approach thus incorporates the landmark uncertainty within the Bayes filter estimation framework. We also analyze the effect of considering this uncertainty and delineate the conditions under which it can be ignored. Second, we extend the state-of-the-art by computing an exact expression for the collision probability under Gaussian distributed robot motion, perception and obstacle location uncertainties. We formulate the collision probability process as a quadratic form in random variables. Under Gaussian distribution assumptions, an exact expression for collision probability is thus obtained which is computable in real-time. In contrast, existing approaches approximate the collision probability using upper-bounds that can lead to overly conservative estimate and thereby suboptimal plans. We demonstrate and evaluate our approach using a theoretical example and simulations. We also present a comparison of our approach to different state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI