一种用于非结构化环境中风险感知路径规划的新颖占据建图框架

在自主机器人领域，最重要的任务之一是防止导航过程中对机器人造成潜在损伤。为此，常假设必须处理已知概率障碍物，再计算与各障碍物的碰撞概率。然而在复杂场景或非结构化环境中，此类障碍物可能难以探测。这些情况下使用度量地图，其中每个位置存储占据信息。最常见的度量地图是贝叶斯占据地图。但其离散性质不利于连续路径的风险评估。因此我们引入一种专为风险评估设计的新型地图，称为Lambda Field。我们首先提出计算该地图及路径上通用风险期望的方法。随后通过一个将风险定义为路径上期望碰撞力的用例展示通用公式的优势。利用该风险定义与Lambda Field，我们证明框架能在具备基于物理度量的同时完成经典路径规划。此外，Lambda Field天然适用于处理高草等非结构化环境：标准环境表示总会生成绕行轨迹，而我们的框架允许机器人在知晓所担风险下穿行草丛。