Smooth Path Planning Using a Gaussian Process Regression Map for Mobile Robot Navigation

要約

構造化されていない危険な環境での地上ロボットのナビゲーションという文脈では、ロボットの安全性を保証しながらその使命を確実に達成するために、効率的な経路計画と適切な環境表現を組み合わせることが重要なテーマです。
この論文では、勾配降下ベジエ曲線最適化 (BCO) を使用したスムーズなパス計画のためのガウス過程回帰 (GPR) によって得られた環境表現の活用について説明します。
地形の通過性と障害物距離の連続微分可能な GPR を使用して、重み付き A* 離散プランナー、T-RRT サンプリングベースのプランナー、および以前と同様に A* または T-RRT で計算されたパスを使用する BCO を使用して経路を計画します。
手続き的に生成された 2D 環境での数値実験により、説明した方法によって計画されたパスを比較し、GPR 連続表現とこれらの異なる事前分布を使用した BCO スムーズ パス プランニングの併用の利点を強調することができました。

要約(オリジナル)

In the context of ground robot navigation in unstructured hazardous environments, the coupling of efficient path planning with an adequate environment representation is a crucial topic in order to guarantee the robot safety while ensuring the accomplishment of its mission. This paper discusses the exploitation of an environment representation obtained via Gaussian process regression (GPR) for smooth path planning using gradient descent B\’ezier curve optimisation (BCO). A continuous differentiable GPR of the terrain traversability and obstacle distance is used to plan paths with a weighted A* discrete planner, a T-RRT sampling-based planner and BCO using A* or T-RRT computed paths as prior. Numerical experiments in procedurally generated 2D environments allowed to compare the paths planned by the described methods and highlight the benefits of the joint use of the GPR continuous representation and the BCO smooth path planning with these different priors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google