核心概念
Unser Ansatz kombiniert eine Sparse Gaussian Process (SGP)-basierte lokale Karte mit einem Rapidly-Exploring Random Tree* (RRT*)-Planer, um sichere und effiziente Navigationspfade in unebenen Geländen zu generieren.
摘要
Dieser Artikel präsentiert ein neues Navigationsframework für autonome Roboter in unebenen Geländen. Das Framework nutzt eine Sparse Gaussian Process (SGP)-basierte lokale Karte, um die geometrischen Eigenschaften der unmittelbaren Umgebung des Roboters zu modellieren. Aus dieser Karte wird dann eine Traversabilitätskarte abgeleitet, die den Roboter bei der Pfadplanung leitet.
Für die Pfadplanung wird ein Rapidly-Exploring Random Tree* (RRT*)-Algorithmus verwendet, der effiziente und sichere Trajektorien in der lokalen Traversabilitätskarte findet. Der RRT*-Planer berücksichtigt dabei die Fußabdruckgröße des Roboters, um Kollisionen zu vermeiden.
Das Framework wurde in umfangreichen Simulationstests evaluiert und zeigte eine hohe Leistungsfähigkeit bei der sicheren Navigation in komplexen unebenen Umgebungen. Im Vergleich zu einem state-of-the-art kartenbasierten Ansatz konnte unser mapless-Verfahren robustere und effizientere Pfade in herausfordernden Terrains finden.
統計資料
Die durchschnittliche Geschwindigkeit des Roboters betrug 0,6 ± 0,02 m/s in Task 3 und 0,51 ± 0,02 m/s in Task 4.
Die maximale durchschnittliche Rollbewegung des Roboters lag bei 0,32 ± 0,085 rad in Task 3 und 0,34 ± 0,07 rad in Task 4.
Die maximale durchschnittliche Nickbewegung des Roboters betrug 0,35 ± 0,085 rad in Task 3 und 0,34 ± 0,05 rad in Task 4.
引述
"Unser Ansatz kombiniert eine Sparse Gaussian Process (SGP)-basierte lokale Karte mit einem Rapidly-Exploring Random Tree* (RRT*)-Planer, um sichere und effiziente Navigationspfade in unebenen Geländen zu generieren."
"Die Ergebnisse aus den Evaluationen in beiden Umgebungen liefern wertvolle Erkenntnisse zur lokalen Navigationsleistung unseres Frameworks und zeigen seine Stärken bei der effektiven Findung und Befahrung sicherer Pfade auf effiziente Weise."