越野环境下无人地面车辆的风险感知规划框架
机器人学
2024-02-06 v1
摘要
规划模块是智能车辆研究的重要组成部分。在本文中，我们通过一个无缝集成风险评估方法的全局-局部规划框架，解决了 UGV 的风险感知规划问题。具体而言，我们提出了一种名为 Coarse2fine A* 的全局规划算法，该算法结合了势场方法，在确保算法效率的同时增强了规划结果的安全性。我们利用并修改了一种用于局部规划的确定性采样方法，以适应越野环境。该方法还集成了风险评估模型，以强调对局部风险的规避。通过仿真实验与基线算法进行比较，展示了该算法的性能，其中 Coarse2fine A* 的结果比基线算法的安全性提高了约 30%。通过将所提出的规划框架部署在由控制中心和实用 UGV 平台组成的真实系统上，验证了其实用性和有效性。
引用
@article{arxiv.2402.02457,
title = {A Risk-aware Planning Framework of UGVs in Off-Road Environment},
author = {Junkai Jiang and Zhenhua Hu and Zihan Xie and Changlong Hao and Hongyu Liu and Wenliang Xu and Yuning Wang and Lei He and Shaobing Xu and Jianqiang Wang},
journal= {arXiv preprint arXiv:2402.02457},
year = {2024}
}
备注
15 pages, 18 figures, submit to T-IV