Learning to Model and Plan for Wheeled Mobility on Vertically Challenging Terrain

要約

ほとんどの自律ナビゲーション システムは、車輪付きロボットが剛体であり、その 2D 平面ワークスペースが自由空間と障害物に分割できることを前提としています。
しかし、最近の車輪付きモビリティの研究では、車輪付きプラットフォームが垂直方向に困難な地形 (岩の露出、ゴツゴツした岩、倒木の幹など) を移動できる可能性があることが示されており、両方の仮定が無効になっています。
障害物と空きスペースの境界があいまいな場所で、サスペンションの移動量が長く、タイヤの空気圧が低いオフロード車のシャーシを移動するには、シャーシと地形の間の相互作用の正確な 3D モデリングが必要です。これは、サスペンションとタイヤの変形によって複雑になります。
タイヤと地形の摩擦、車両の重量配分と運動量など。この論文では、車両と地形の前方ダイナミクスの観点から、車輪によるモビリティをモデル化し、実現可能で安定した効率的な動きを計画するための学習アプローチを紹介します。
垂直に挑戦する地形でも、転がったり立ち往生したりすることなく走行できます。
二輪ロボットの物理実験を紹介し、学習したモデルを使用した計画により、ナビゲーションの成功率が最大 60% 向上し、不安定なシャーシのロール角とピッチ角が 46% 減少することを示します。

要約(オリジナル)

Most autonomous navigation systems assume wheeled robots are rigid bodies and their 2D planar workspaces can be divided into free spaces and obstacles. However, recent wheeled mobility research, showing that wheeled platforms have the potential of moving over vertically challenging terrain (e.g., rocky outcroppings, rugged boulders, and fallen tree trunks), invalidate both assumptions. Navigating off-road vehicle chassis with long suspension travel and low tire pressure in places where the boundary between obstacles and free spaces is blurry requires precise 3D modeling of the interaction between the chassis and the terrain, which is complicated by suspension and tire deformation, varying tire-terrain friction, vehicle weight distribution and momentum, etc. In this paper, we present a learning approach to model wheeled mobility, i.e., in terms of vehicle-terrain forward dynamics, and plan feasible, stable, and efficient motion to drive over vertically challenging terrain without rolling over or getting stuck. We present physical experiments on two wheeled robots and show that planning using our learned model can achieve up to 60% improvement in navigation success rate and 46% reduction in unstable chassis roll and pitch angles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google