RELAX: Reinforcement Learning Enabled 2D-LiDAR Autonomous System for Parsimonious UAVs

要約

無人航空機 (UAV) は、監視、捜索、救助、荷物配達などの分野で近年大幅に注目を集めています。
これらすべてのタスクに共通する UAV 操作の重要な側面の 1 つは、自律的な経路計画です。これにより、UAV は人間の制御なしで障害物を回避しながら、複雑で未知の動的な環境をナビゲートできます。
このテーマには数え切れないほどの努力が払われてきましたが、パフォーマンスとコストの間の絶え間ないトレードオフにより、新たな課題が常に発生しています。
そして、より広範な採用に向けた主要なニーズである、倹約的なセンサーセットアップを備えたUAV用の自律システムを開発するには、新たな研究がより緊急に必要とされている。
この目的を達成するために、我々は、単一の 2D-LiDAR センサーを 1 つだけ備えた UAV が未知の動的環境で動作できるようにする、エンドツーエンドの自律フレームワークを提案します。
より具体的には、アプローチを 3 つの段階に分けます。前処理マップ コンストラクター。
オフラインのミッションプランナー。
オンライン強化学習 (RL) ベースの動的障害物ハンドラーです。
実験によれば、私たちのアプローチは、センサー構成のわずか 1/10 のコストで、堅牢で信頼性の高い動的経路計画と障害物回避を実現します。
コードは承認され次第公開されます。

要約(オリジナル)

Unmanned Aerial Vehicles (UAVs) have gained significant prominence in recent years for areas including surveillance, search, rescue, and package delivery. One key aspect in UAV operations shared across all these tasks is the autonomous path planning, which enables UAV to navigate through complex, unknown, and dynamic environments while avoiding obstacles without human control. Despite countless efforts having been devoted to this subject, new challenges are constantly arisen due to the persistent trade-off between performance and cost. And new studies are more urgently needed to develop autonomous system for UAVs with parsimonious sensor setup, which is a major need for wider adoptions. To this end, we propose an end-to-end autonomous framework to enable UAVs with only one single 2D-LiDAR sensor to operate in unknown dynamic environments. More specifically, we break our approach into three stages: a pre-processing Map Constructor; an offline Mission Planner; and an online reinforcement learning (RL)-based Dynamic Obstacle Handler. Experiments show that our approach provides robust and reliable dynamic path planning and obstacle avoidance with only 1/10 of the cost in sensor configuration. The code will be made public upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google