在感知极具挑战条件下于极端地形上的自主越野导航

我们提出了一种在感知极具挑战的未知环境中具有韧性的自主导航框架，该环境包含影响机动性的元素，如带有岩石和巨砾的不平整表面、陡坡、悬崖和孔洞等负障碍以及狭窄通道。环境为 GPS 拒止且感知退化，具有从黑暗到光照以及遮蔽物（灰尘、雾、烟）的可变照明。缺乏先验地图与退化的通信排除了先验或板外计算或操作员干预的可能性。这需要使用噪声传感器数据进行实时板载计算。为应对这些挑战，我们提出了一种利用感知模态冗余与异构性的韧性架构。进一步的韧性通过失败时触发恢复行为来实现。我们提出了一种快速收敛算法以实时生成鲁棒的多保真度可通行性估计。所提方法作为 CoSTAR 团队参与 DARPA 地下挑战赛的一部分，被部署于包括滑移转向与履带机器人、高速 RC 车以及腿式机器人在内的多个物理系统上，该团队在隧道与城市赛道中分别获得第二名与第一名。