jarxiv

要約

不明な環境の安全な自律調査は、モバイルロボットが多様な重要なタスクのために環境マッピングを効果的かつ適応的に実行するための不可欠なスキルです。
そのシンプルさのため、ほとんどの既存の探査方法は、標準的なフロンティアベースの探査戦略に依存しており、環境に関する新しい情報を取得するために、既知の安全性と未知の未開の空間の境界をロボットに指示します。
これは通常、再発した永続的な計画戦略に従い、最初に有益なフロンティアの視点を選択し、次にロボットを選択した視点に到達するまで移動し、終了するまでこれらのステップを繰り返します。
ただし、持続的な計画を使用した探索は、継続的に更新されたマップへの適応性が欠けている可能性がありますが、オンライン計画での高度に適応的な探索は、多くの場合、高度な計算コストとリベロックに関する潜在的な問題に苦しんでいます。
この論文では、適応性の低い永続的な計画と費用のかかるオンライン計画の代替として、冗長で情報のないラストマイル探索モーションを避けるために、すぐに利用可能な実用的な情報を使用して、効果的な調査のための新しい予防的な再生戦略を紹介します。
また、視点の実用的な情報を、探索のための体系的な終了基準として使用します。
知覚と行動のギャップを埋めるために、検出された障害物との衝突のリスクと未開の地域までの距離を最小限に抑える安全で有益なパス計画を実行し、総ナビゲーションコストごとに最大の情報ユーティリティを備えたアクションアウェアの視点選択を適用します。
数値シミュレーションとハードウェア実験におけるアクションを意識するプロアクティブ探索方法の有効性を実証します。

要約(オリジナル)

Safe autonomous exploration of unknown environments is an essential skill for mobile robots to effectively and adaptively perform environmental mapping for diverse critical tasks. Due to its simplicity, most existing exploration methods rely on the standard frontier-based exploration strategy, which directs a robot to the boundary between the known safe and the unknown unexplored spaces to acquire new information about the environment. This typically follows a recurrent persistent planning strategy, first selecting an informative frontier viewpoint, then moving the robot toward the selected viewpoint until reaching it, and repeating these steps until termination. However, exploration with persistent planning may lack adaptivity to continuously updated maps, whereas highly adaptive exploration with online planning often suffers from high computational costs and potential issues with livelocks. In this paper, as an alternative to less-adaptive persistent planning and costly online planning, we introduce a new proactive preventive replanning strategy for effective exploration using the immediately available actionable information at a viewpoint to avoid redundant, uninformative last-mile exploration motion. We also use the actionable information of a viewpoint as a systematic termination criterion for exploration. To close the gap between perception and action, we perform safe and informative path planning that minimizes the risk of collision with detected obstacles and the distance to unexplored regions, and we apply action-aware viewpoint selection with maximal information utility per total navigation cost. We demonstrate the effectiveness of our action-aware proactive exploration method in numerical simulations and hardware experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google