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

要約

無人航空機（UAV）は近年ますます注目されるようになり、監視や荷物の配達など多くの分野で応用されている。UAVが複雑な未知の環境を自律的に航行するためのアルゴリズムの開発には多大な努力が払われているものの、RGB-Dカメラや3D-LiDARなどの高価なハードウェアやセンサーを必要とすることが多く、性能とコストのトレードオフが続いている。このため、我々は、未知の環境でUAVを動作させるために、単一の2D-LiDARを必要とする、非常にコスト効率の高い、新しいエンドツーエンドの自律型フレームワークであるRELAXを提案する。具体的には、RELAXは3つのコンポーネントから構成される：前処理マップコンストラクタ、オフラインミッションプランナー、強化学習（RL）ベースのオンライン再プランナー。実験により、RELAXは既存のアルゴリズムと比較して、よりロバストなダイナミックナビゲーションを提供することが実証された。コードは採用され次第公開される。

要約(オリジナル)

Unmanned Aerial Vehicles (UAVs) have become increasingly prominence in recent years, finding applications in surveillance, package delivery, among many others. Despite considerable efforts in developing algorithms that enable UAVs to navigate through complex unknown environments autonomously, they often require expensive hardware and sensors, such as RGB-D cameras and 3D-LiDAR, leading to a persistent trade-off between performance and cost. To this end, we propose RELAX, a novel end-to-end autonomous framework that is exceptionally cost-efficient, requiring only a single 2D-LiDAR to enable UAVs operating in unknown environments. Specifically, RELAX comprises three components: a pre-processing map constructor; an offline mission planner; and a reinforcement learning (RL)-based online re-planner. Experiments demonstrate that RELAX offers more robust dynamic navigation compared to existing algorithms, while only costing a fraction of the others. The code will be made public upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL