Long-Term Dynamic Window Approach for Kinodynamic Local Planning in Static and Crowd Environments

要約

差動車輪ロボットのローカル プランニングは、障害物を回避しながらロボットをナビゲーション パスに沿って目標位置に誘導する、実行可能な運動力学的アクションを生成するように設計されています。
事後対応型、予測型、学習ベースの手法は、地域計画に広く使用されています。
しかし、その中には、運動力学的制約を同時に満たしながら、静的環境と群集環境に適合できるものはほとんどありません。
この問題を解決するために、我々は新しい局所計画法を提案する。
この方法では、長期動的ウィンドウ アプローチを適用して初期軌道を生成し、それをグラフ最適化で最適化します。
この方法では、ロボットの運動力学的制約の下でリアルタイムにアクションを計画できると同時に、生成されたアクションをより安全で不安定なものにすることができます。
実験結果は、提案された方法が群衆や静的環境によく適応し、ほとんどの SOTA アプローチよりも優れていることを示しています。

要約(オリジナル)

Local planning for a differential wheeled robot is designed to generate kinodynamic feasible actions that guide the robot to a goal position along the navigation path while avoiding obstacles. Reactive, predictive, and learning-based methods are widely used in local planning. However, few of them can fit static and crowd environments while satisfying kinodynamic constraints simultaneously. To solve this problem, we propose a novel local planning method. The method applies a long-term dynamic window approach to generate an initial trajectory and then optimizes it with graph optimization. The method can plan actions under the robot’s kinodynamic constraints in real time while allowing the generated actions to be safer and more jitterless. Experimental results show that the proposed method adapts well to crowd and static environments and outperforms most SOTA approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google