ProNav: Proprioceptive Traversability Estimation for Legged Robot Navigation in Outdoor Environments

要約

我々は、自律脚式ロボットナビゲーションのための困難な屋外地形での通過可能性推定に固有受容信号を使用する新しい方法、ProNav を提案します。
私たちのアプローチでは、脚式ロボットの関節エンコーダー、力センサー、電流センサーからのセンサー データを使用して関節の位置、力、電流消費をそれぞれ測定し、地形の安定性、ロボットの動きに対する抵抗、挟み込み、衝突の危険性を正確に評価します。
これらの要素に基づいて、安定性を最大化し、エネルギー消費を最小限に抑えるために、適切なロボットの軌道と歩行を計算します。
私たちのアプローチは、困難な地形での差し迫った衝突を予測し、事前に衝突を回避するための行動を実行するためにも使用できます。
私たちは ProNav をビジョンベースの方法と統合して、密集した植生をナビゲートし、密集した茂み、高粒度、ネガティブな障害物などがある現実世界の地形でその方法の利点を実証します。私たちの方法は、成功率と障害物の点で最大 50% の改善を示しています。
外受容ベースの方法と比較して、エネルギー消費量が最大 22.5% 削減されます。

要約(オリジナル)

We propose a novel method, ProNav, which uses proprioceptive signals for traversability estimation in challenging outdoor terrains for autonomous legged robot navigation. Our approach uses sensor data from a legged robot’s joint encoders, force, and current sensors to measure the joint positions, forces, and current consumption respectively to accurately assess a terrain’s stability, resistance to the robot’s motion, risk of entrapment, and crash. Based on these factors, we compute the appropriate robot trajectories and gait to maximize stability and minimize energy consumption. Our approach can also be used to predict imminent crashes in challenging terrains and execute behaviors to preemptively avoid them. We integrate ProNav with a vision-based method to navigate dense vegetation and demonstrate our method’s benefits in real-world terrains with dense bushes, high granularity, negative obstacles, etc. Our method shows an improvement up to 50% in terms of success rate and up to 22.5% reduction in terms of energy consumption compared to exteroceptive based methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google