Core Concepts
Ein neuartiger reaktiver Bewegungsplanungsrahmen, der eine dynamisch konstruierte sternförmige Wegekarte und Dynamische Systemmodulation nutzt, um Roboter sicher und effizient in unbekannten und überfüllten Umgebungen zu navigieren.
Abstract
Dieser Artikel präsentiert einen neuartigen reaktiven Bewegungsplanungsrahmen für die Navigation von Robotern in unbekannten und überfüllten 2D-Arbeitsräumen.
Anstatt die Roboter in lokal extrahierten freien Regionen zu halten, wie es typische bestehende Methoden tun, navigieren wir den Roboter im freien Raum mit einer alternativen sternförmigen Zerlegung, die direkt aus Echtzeitsensordaten berechnet wird. Darüber hinaus wird eine Wegekarte inkrementell aufgebaut, um die Konnektivitätsinformationen der sternförmigen Regionen zu erhalten.
Im Vergleich zu herkömmlichen Ansätzen, die auf verbundenen Polygonen oder Ellipsen aufbauen, ist die konkave sternförmige Region besser geeignet, die natürliche Verteilung der Sensordaten zu erfassen (d.h. die sternförmige Darstellung deckt in der Regel einen größeren Bereich des freien Raums ab), so dass die Wahrnehmungsinformationen voll für die Roboternavigation genutzt werden können.
Wir entwerfen einen heuristischen Erkundungsalgorithmus auf der Wegekarte, um die Frontpunkte der sternförmigen Regionen zu bestimmen, aus denen Kurzzeitsziele ausgewählt werden, um den Roboter zum Zielzustand zu lenken. Darüber hinaus wird ein Wiederherstellungsmechanismus auf der Wegekarte entwickelt, der aktiviert wird, wenn ein nicht erweiterbares Kurzzeitsziel erreicht wird. Dieser Mechanismus ermöglicht es, mit Sackgassensituationen umzugehen, die typischerweise in unbekannten und überfüllten Umgebungen auftreten können.
Darüber hinaus wird die Dynamische Systemmodulation (DSM) so angepasst, dass sie auf mobile Roboter mit kreisförmiger Geometrie angewendet werden kann, um eine glatte und effiziente Bewegung innerhalb der überlappenden sternförmigen freien Regionen zu erzeugen.
Umfassende Bewertungen in Simulationen und Realweltexperimenten zeigen, dass die vorgeschlagene Methode die Benchmark-Methoden in Bezug auf Erfolgsquote und Reisezeit übertrifft.
Stats
Die vorgeschlagene Methode erreicht in den Simulationsszenarien eine durchschnittliche Reisezeitverhältnis (TTR) von 100% und eine durchschnittliche Pfadlängenverhältnis (PLR) von 100%, bei einer Erfolgsquote (SR) von 90% im Waldsszenario und 83,3% im Labyrinthszenario.
Quotes
"Anstatt die Roboter in lokal extrahierten freien Regionen zu halten, wie es typische bestehende Methoden tun, navigieren wir den Roboter im freien Raum mit einer alternativen sternförmigen Zerlegung, die direkt aus Echtzeitensordaten berechnet wird."
"Im Vergleich zu herkömmlichen Ansätzen, die auf verbundenen Polygonen oder Ellipsen aufbauen, ist die konkave sternförmige Region besser geeignet, die natürliche Verteilung der Sensordaten zu erfassen (d.h. die sternförmige Darstellung deckt in der Regel einen größeren Bereich des freien Raums ab), so dass die Wahrnehmungsinformationen voll für die Roboternavigation genutzt werden können."