Comparing Motion Distortion Between Vehicle Field Deployments

要約

無人地上車両 (UGV) の自動運転における最近の進歩により、特に困難な地形において、大幅な開発が促進されました。
このペーパーでは、文献で報告されているさまざまな UGV 導入を評価する分類システムを紹介します。
私たちのアプローチでは、質量や速度などの内部 UGV 特徴と、地形の複雑さなどの外部特徴を含む動きの歪み特徴が考慮されており、これらはすべてモデルやナビゲーション システムの効率に影響します。
車両の運動エネルギーと地形の複雑さに関連して UGV の展開をマッピングした結果を提示し、さまざまな運用環境に関連する複雑さとリスクのレベルについての洞察を提供します。
さらに、動き歪み特徴の明示的な定量化を必要としない、UGV ナビゲーション パフォーマンスを評価するための動き歪みメトリックを提案します。
このメトリクスを使用して、ケース スタディを実施して、モデリングの精度に対するモーション ディストーション機能の影響を示します。
この研究は、さまざまな動きの歪みの特徴を含む包括的なデータベースを作成することを提唱しています。これは、荒れた状況での自動運転機能の理解を促進し、UGV ナビゲーション システムの将来の開発のための検証フレームワークを提供することに貢献します。

要約(オリジナル)

Recent advances in autonomous driving for uncrewed ground vehicles (UGVs) have spurred significant development, particularly in challenging terrains. This paper introduces a classification system assessing various UGV deployments reported in the literature. Our approach considers motion distortion features that include internal UGV features, such as mass and speed, and external features, such as terrain complexity, which all influence the efficiency of models and navigation systems. We present results that map UGV deployments relative to vehicle kinetic energy and terrain complexity, providing insights into the level of complexity and risk associated with different operational environments. Additionally, we propose a motion distortion metric to assess UGV navigation performance that does not require an explicit quantification of motion distortion features. Using this metric, we conduct a case study to illustrate the impact of motion distortion features on modeling accuracy. This research advocates for creating a comprehensive database containing many different motion distortion features, which would contribute to advancing the understanding of autonomous driving capabilities in rough conditions and provide a validation framework for future developments in UGV navigation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google