Situational Graphs for Robotic First Responders: an application to dismantling drug labs

要約

この取り組みでは、初期検査にロボットを導入することで、安全領域の専門家による製薬ラボのより安全な解体をサポートします。
発見された環境に基づいて行動できることが、この（半）自律的な検査を可能にする鍵となります。
ドアを開けたり、不審な物に近づいたりするためです。
私たちのアプローチは、新しい環境表現である行動指向状況グラフでこれに対処します。このグラフでは、状況アフォーダンス スキーマを介して知覚主導のバックボーンと事前の実用的な知識を融合することで、古典的な状況グラフを拡張しています。
状況をロボットの動作に結び付けることで、自律的なミッション計画とオペレーターの状況理解の両方が容易になります。
グラフにはオンライン ミッション システムにとって重要な実用的な情報が直接組み込まれているため、グラフによる計画がより簡単かつ迅速になります。
さらに、この表現により、人間のオペレーターは、遠隔制御から動作実行、完全な自律探索まで、ロボットのさまざまな自律性レベル間をシームレスに移行できます。
私たちは、モバイル Spot ロボットを使用して、オランダの警察訓練施設で実際の麻薬研究所のシナリオでアプローチの有効性をテストし、その結果をシステム設計の反復に使用します。

要約(オリジナル)

In this work, we support experts in the safety domain with safer dismantling of drug labs, by deploying robots for the initial inspection. Being able to act on the discovered environment is key to enabling this (semi-)autonomous inspection, e.g. to open doors or take a closer at suspicious items. Our approach addresses this with a novel environmental representation, the Behavior-Oriented Situational Graph, where we extend on the classical situational graph by merging a perception-driven backbone with prior actionable knowledge via a situational affordance schema. Linking situations to robot behaviors facilitates both autonomous mission planning and situational understanding of the operator. Planning over the graph is easier and faster, since it directly incorporates actionable information, which is critical for online mission systems. Moreover, the representation allows the human operator to seamlessly transition between different levels of autonomy of the robot, from remote control to behavior execution to full autonomous exploration. We test the effectiveness of our approach in a real-world drug lab scenario at a Dutch police training facility using a mobile Spot robot and use the results to iterate on the system design.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google