Open Source Robot Localization for Non-Planar Environments

要約

移動ロボットがそのミッションを実行する動作環境は、スロープやスロープを備えた屋外および屋内環境を含む、非平坦な地形特性を示すことがよくあります。
このようなシナリオでは、位置特定に使用される従来の方法論は、新たな課題と制限に直面します。
この研究では、そのような状況では行き詰まる可能性がある従来の 2D ローカライゼーション パラダイムから逸脱して、地盤の標高と傾斜の考慮事項を組み込んだローカライゼーション フレームワークを概説します。
私たちが提案するアプローチでは、グリッドマップとオクトマップを使用して、マップに標高と空間占有情報が含まれます。
同時に、知覚モデルは、通常の構造的および動的障害物に加えて、ロボットの傾斜した向きと障害物としての潜在的な地面の存在に対応するように設計されています。
当社は、Nav2 と完全に連携するアプローチの実装を提供しており、ロボットが非平面環境にある場合にベースライン AMCL アプローチを置き換えることができます。
私たちの方法論は、シミュレーション環境と、屋内と屋外から平らな地形と凹凸のある地形に至るまでのさまざまな設定で、Tiago モデルや Summit XL モデルを含む実際のロボットでの実用化を通じて、厳密にテストされました。
並外れた精度を実証した当社のアプローチでは、誤差範囲は屋内設定では 10 センチメートルおよび 0.05 ラジアン未満、広範囲の屋外ルートでは 1.0 メートル未満でした。
私たちの結果は、屋内環境では AMCL よりも若干の改善を示していますが、3D SLAM アルゴリズムと比較すると、パフォーマンスの向上が大幅に顕著です。
これは、私たちのアプローチのかなりの堅牢性と効率性を強調しており、広大で複雑な屋内/屋外環境をナビゲートする任務を負った移動ロボットにとって効果的な戦略として位置づけられています。

要約(オリジナル)

The operational environments in which a mobile robot executes its missions often exhibit non-flat terrain characteristics, encompassing outdoor and indoor settings featuring ramps and slopes. In such scenarios, the conventional methodologies employed for localization encounter novel challenges and limitations. This study delineates a localization framework incorporating ground elevation and incline considerations, deviating from traditional 2D localization paradigms that may falter in such contexts. In our proposed approach, the map encompasses elevation and spatial occupancy information, employing Gridmaps and Octomaps. At the same time, the perception model is designed to accommodate the robot’s inclined orientation and the potential presence of ground as an obstacle, besides usual structural and dynamic obstacles. We provide an implementation of our approach fully working with Nav2, ready to replace the baseline AMCL approach when the robot is in non-planar environments. Our methodology was rigorously tested in both simulated environments and through practical application on actual robots, including the Tiago and Summit XL models, across various settings ranging from indoor and outdoor to flat and uneven terrains. Demonstrating exceptional precision, our approach yielded error margins below 10 centimeters and 0.05 radians in indoor settings and less than 1.0 meters in extensive outdoor routes. While our results exhibit a slight improvement over AMCL in indoor environments, the enhancement in performance is significantly more pronounced when compared to 3D SLAM algorithms. This underscores the considerable robustness and efficiency of our approach, positioning it as an effective strategy for mobile robots tasked with navigating expansive and intricate indoor/outdoor environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google