要約
プランニング・モジュールは、インテリジェント・ビークルの研究に不可欠な要素である。本論文では、リスク評価手法をシームレスに統合したグローバル-ローカル計画フレームワークを通して、UGVのリスクを考慮した計画問題に取り組む。特に、Coarse2fine A*と名付けたグローバル計画アルゴリズムを提案し、アルゴリズムの効率を確保しつつ、計画結果の安全性を高めるためにポテンシャルフィールドアプローチを取り入れる。ローカルプランニングのための決定論的サンプリング法は、活用され、オフロード環境に適合するように修正される。また、局所的なリスクの回避を強調するために、リスク評価モデルを統合している。本アルゴリズムの性能は、ベースラインアルゴリズムと比較したシミュレーション実験により実証され、Coarse2fine A*の結果は、ベースラインアルゴリズムの結果よりも約30%安全であることが示された。提案するプランニングフレームワークの実用性と有効性は、コントロールセンターと実用的なUGVプラットフォームからなる実システムに展開することで検証する。
要約(オリジナル)
Planning module is an essential component of intelligent vehicle study. In this paper, we address the risk-aware planning problem of UGVs through a global-local planning framework which seamlessly integrates risk assessment methods. In particular, a global planning algorithm named Coarse2fine A* is proposed, which incorporates a potential field approach to enhance the safety of the planning results while ensuring the efficiency of the algorithm. A deterministic sampling method for local planning is leveraged and modified to suit off-road environment. It also integrates a risk assessment model to emphasize the avoidance of local risks. The performance of the algorithm is demonstrated through simulation experiments by comparing it with baseline algorithms, where the results of Coarse2fine A* are shown to be approximately 30% safer than those of the baseline algorithms. The practicality and effectiveness of the proposed planning framework are validated by deploying it on a real-world system consisting of a control center and a practical UGV platform.
arxiv情報
| 著者 | Junkai Jiang,Zhenhua Hu,Zihan Xie,Changlong Hao,Hongyu Liu,Wenliang Xu,Yuning Wang,Lei He,Shaobing Xu,Jianqiang Wang |
| 発行日 | 2024-02-04 12:07:23+00:00 |
| arxivサイト | arxiv_id(pdf) |