面向全局动态环境中类人高层交互与任务规划的实时自主机器人导航框架
机器人学
2019-05-31 v1
摘要
在本文中，我们提出了一种基于云和按需数据库的实时自主机器人导航框架，以解决类人机器人交互与全局动态环境（先验未知）中任务规划两个主要问题。我们的框架利用空间信息为机器人构建类人脑 GPS 映射系统，并执行 3D 视觉语义 SLAM 以实现机器人独立导航。我们将机器人的记忆系统划分为长期记忆（LTM）和短期记忆（STM）来实现这一目标。我们还通过将这些记忆连接到自主导航模块（ANM）、学习模块（LM）和行为规划器模块（BPM）来形成机器人的行为与知识体系。所提框架通过使用基于 ROS 的 Gazebo 仿真移动机器人、RGB-D 相机（3D 传感器）和激光测距仪（2D 传感器）在真实室内环境 3D 模型中进行了仿真评估。仿真证实了我们所提框架的显著实用价值。
引用
@article{arxiv.1905.12942,
title = {A Realtime Autonomous Robot Navigation Framework for Human like High-level Interaction and Task Planning in Global Dynamic Environment},
author = {Sung-Hyeon Joo and Sumaira Manzoor and Yuri Goncalves Rocha and Hyun-Uk Lee and Tae-Yong Kuc},
journal= {arXiv preprint arXiv:1905.12942},
year = {2019}
}
备注
Submitted to 2019 International Conference on Electronics, Information, and Communication (ICEIC)