Real Time Collision Avoidance with GPU-Computed Distance Maps

要約

この論文では、GPU で計算された距離変換を使用したリアルタイム運動学フィードバック制御内での冗長ロボット マニピュレーターの反応性障害物と自己衝突回避について説明します。
提案されたフレームワークは、ロボットと環境の離散化表現を利用して、タスク優先順位ベースの運動学制御のための 3D ユークリッド距離変換を計算します。
環境シーンは、ライブ ポイントクラウド データから作成および更新される 3D GPU ボクセル マップを使用して表現されます。一方、ロボット リンク モデルはオフラインでボクセルに変換され、ロボットの関節状態に従ってボクセル マップに挿入され、自己
障害物マップ。
提案されたアプローチは Tiago ロボットを使用して評価され、ロボットがエンドエフェクターの姿勢追跡をリアルタイムで実行している間、高速で移動する障害物であっても、すべての障害物と自己衝突回避の制約が 1 つのフレームワーク内で尊重されることが示されています。
GPU および CPU で計算された距離フィールドに依存する関連作業の比較も提示され、GPU 距離フィールドの精度だけでなく時間パフォーマンスも強調されます。

要約(オリジナル)

This paper presents reactive obstacle and self-collision avoidance of redundant robotic manipulators within real time kinematic feedback control using GPU-computed distance transform. The proposed framework utilizes discretized representation of the robot and the environment to calculate 3D Euclidean distance transform for task-priority based kinematic control. The environment scene is represented using a 3D GPU-voxel map created and updated from a live pointcloud data while the robotic link model is converted into a voxels offline and inserted into the voxel map according to the joint state of the robot to form the self-obstacle map. The proposed approach is evaluated using the Tiago robot, showing that all obstacle and self collision avoidance constraints are respected within one framework even with fast moving obstacles while the robot performs end-effector pose tracking in real time. A comparison of related works that depend on GPU and CPU computed distance fields is also presented to highlight the time performance as well as accuracy of the GPU distance field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google