LiCS: Navigation using Learned-imitation on Cluttered Space

要約

このレターでは、2D LiDAR とオドメトリを使用した、UGV (Unmanned Ground Vehicle) の狭い屋内環境における堅牢で高速なナビゲーション システムを提案します。
Transformer ニューラル ネットワークによる動作クローン作成を使用して、最適化ベースのベースライン アルゴリズムを学習しました。
学習されたポリシーの堅牢性を高めるために、専門家のデモンストレーション中にガウス ノイズを注入します。
シミュレーションとハードウェア実験の両方を使用して、LiCS のパフォーマンスを評価します。
ナビゲーション パフォーマンスの点で他のすべてのベースラインを上回っており、非常に乱雑な環境でも堅牢なパフォーマンスを維持できます。
ハードウェア実験中、LiCS は最大速度 $1.5\ m/s$ で安全なナビゲーションを維持できます。

要約(オリジナル)

In this letter, we propose a robust and fast navigation system in a narrow indoor environment for UGV (Unmanned Ground Vehicle) using 2D LiDAR and odometry. We used behavior cloning with Transformer neural network to learn the optimization-based baseline algorithm. We inject Gaussian noise during expert demonstration to increase the robustness of learned policy. We evaluate the performance of LiCS using both simulation and hardware experiments. It outperforms all other baselines in terms of navigation performance and can maintain its robust performance even on highly cluttered environments. During the hardware experiments, LiCS can maintain safe navigation at maximum speed of $1.5\ m/s$.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google