大规模农业中现场地面机器人长期稳健部署的分层框架
机器人学
2020-06-25 v1
摘要
在农场等动态环境中运行的机器人实现长期自主仍是一项重大挑战。可以说,实现这一目标最苛刻的因素在于板载资源约束(如能量)、在牲畜和人员等移动个体存在下的规划,以及处理未知且起伏的地形。这些考量要求机器人在即时动作上具备适应性,以成功实现长期、资源高效且稳健的自主。为此,我们提出一个分层框架,将局部动态路径规划器与基于长期目标的规划器以及先进运动控制方法相集成,同时考虑环境中移动个体的动态响应。该框架受我们近期在能量感知任务规划、动态环境路径规划和滚动时域运动控制方面工作的启发并综合而成。本文详述所提框架并概述其在机器人平台上的集成。我们在大量仿真试验中评估该策略,在动态环境中遍历目标航点以完成土壤采样、除草和充电等任务,证明其能够在移动个体和障碍物存在下稳健调整长期任务计划,适用于大规模农业等现实应用。
引用
@article{arxiv.2006.13413,
title = {A Hierarchical Framework for Long-term and Robust Deployment of Field Ground Robots in Large-Scale Farming},
author = {Stuart Eiffert and Nathan D. Wallace and He Kong and Navid Pirmarzdashti and Salah Sukkarieh},
journal= {arXiv preprint arXiv:2006.13413},
year = {2020}
}
备注
Accepted for publication in IEEE International Conference on Automation Science and Engineering (CASE) 2020