FlightBench: A Comprehensive Benchmark of Spatial Planning Methods for Quadrotors

要約

雑然とした環境での空間計画は、モバイル システム、特に機敏なクワッドローターにとって非常に重要です。
既存の手法は、最適化ベースでも学習ベースでも、特定の環境での成功率のみに焦点を当てていることが多く、さまざまな難易度のタスクを扱う統合プラットフォームが不足しています。
これに対処するために、クアッドローターでの 3D 空間計画のための最初の包括的なオープンソース ベンチマークである FlightBench を紹介し、古典的な最適化ベースの手法と新しい学習ベースのアプローチを比較します。
また、タスクの特性と計画アルゴリズムのパフォーマンスを定量化するために、一連のタスク難易度メトリクスと評価メトリクスを開発します。
広範な実験により、高速飛行とリアルタイム計画における学習ベースの手法の大きな利点が実証され、同時に、大きなコーナーの航行や視界の遮蔽への対処など、複雑な状況における改善の必要性が強調されています。
また、提案した指標の有効性を正当化するために分析実験も実施します。
さらに、レイテンシのランダム化が実際の展開におけるパフォーマンスを効果的に向上させることを示します。
ソース コードは \url{https://github.com/thu-uav/FlightBench} で入手できます。

要約(オリジナル)

Spatial planning in cluttered environments is crucial for mobile systems, particularly agile quadrotors. Existing methods, both optimization-based and learning-based, often focus only on success rates in specific environments and lack a unified platform with tasks of varying difficulty. To address this, we introduce FlightBench, the first comprehensive open-source benchmark for 3D spatial planning on quadrotors, comparing classical optimization-based methods with emerging learning-based approaches. We also develop a suite of task difficulty metrics and evaluation metrics to quantify the characteristics of tasks and the performance of planning algorithms. Extensive experiments demonstrate the significant advantages of learning-based methods for high-speed flight and real-time planning, while highlighting the need for improvements in complex conditions, such as navigating large corners or dealing with view occlusion. We also conduct analytical experiments to justify the effectiveness of our proposed metrics. Additionally, we show that latency randomization effectively enhances performance in real-world deployments. The source code is available at \url{https://github.com/thu-uav/FlightBench}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google