要約
このペーパーでは、動的未知の環境向けに設計された不確実な軌跡プランナーであるDynusを紹介します。
このような設定での動作には多くの課題があります。最も顕著なのは、エージェントが障害物の根底にある真実の将来の経路を予測できないため、以前に計画されていた軌道はいつでも安全ではないため、衝突を回避するために迅速な再生を必要とします。
最近開発されたプランナーは、ソフトコントラリングアプローチを使用して、必要な高速計算時間を達成しました。
ただし、これらの方法は、静的な障害物があっても衝突のないパスを保証するものではありません。
対照的に、ハードコンストラリング方法は衝突のない安全性を確保しますが、通常は計算時間が長くなります。
これらの問題に対処するために、3つの重要な貢献を提案します。
第一に、Dynusグローバルプランナー（DGP）と時間的安全回廊の生成は、時空間空間で動作し、3D環境の静的障害と動的障害物の両方を処理します。
第二に、安全な計画フレームワークは、動的障害との潜在的な将来の衝突が検出された場合に、探索的、安全、および偶発性の軌跡の組み合わせを活用して柔軟に再ルーティングします。
最後に、高速で固定されたローカル軌道定式化は、可変除去アプローチを使用して問題のサイズを縮小し、自由変数と従属変数の間の依存関係を事前に計算することにより、衝突のない軌跡を確保することにより、より速い計算を可能にします。
密な森林、限られたオフィススペース、洞窟システム、動的環境など、さまざまなシミュレーションでDynusを評価しました。
私たちの実験は、Dynusが100％の成功率と、最先端の方法よりも約25.0％高速な移動時間を達成することを示しています。
また、シミュレーションとハードウェアの両方の実験で、四足動物、車輪付きロボット、および四足動物の複数のプラットフォームでDynusを評価しました。
要約(オリジナル)
This paper introduces DYNUS, an uncertainty-aware trajectory planner designed for dynamic unknown environments. Operating in such settings presents many challenges — most notably, because the agent cannot predict the ground-truth future paths of obstacles, a previously planned trajectory can become unsafe at any moment, requiring rapid replanning to avoid collisions. Recently developed planners have used soft-constraint approaches to achieve the necessary fast computation times; however, these methods do not guarantee collision-free paths even with static obstacles. In contrast, hard-constraint methods ensure collision-free safety, but typically have longer computation times. To address these issues, we propose three key contributions. First, the DYNUS Global Planner (DGP) and Temporal Safe Corridor Generation operate in spatio-temporal space and handle both static and dynamic obstacles in the 3D environment. Second, the Safe Planning Framework leverages a combination of exploratory, safe, and contingency trajectories to flexibly re-route when potential future collisions with dynamic obstacles are detected. Finally, the Fast Hard-Constraint Local Trajectory Formulation uses a variable elimination approach to reduce the problem size and enable faster computation by pre-computing dependencies between free and dependent variables while still ensuring collision-free trajectories. We evaluated DYNUS in a variety of simulations, including dense forests, confined office spaces, cave systems, and dynamic environments. Our experiments show that DYNUS achieves a success rate of 100% and travel times that are approximately 25.0% faster than state-of-the-art methods. We also evaluated DYNUS on multiple platforms — a quadrotor, a wheeled robot, and a quadruped — in both simulation and hardware experiments.
arxiv情報
| 著者 | Kota Kondo,Mason Peterson,Nicholas Rober,Juan Rached Viso,Lucas Jia,Jialin Chen,Harvey Merton,Jonathan P. How |
| 発行日 | 2025-04-23 14:05:04+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google