基于可微车轮-地形交互模型的不平坦地形双层轨迹优化

轮式车辆在不平坦地形上的导航需要超越二维方法的轨迹规划。具体而言，在规划过程中必须纳入车辆姿态的全 6dof 变化及其相关的稳定性代价。为此，最近的大多数工作旨在学习神经网络模型来预测车辆的演化。然而，这种方法数据量大且存在泛化问题。在本文中，我们提出了一种纯基于模型的方法，该方法仅需要地形的数字高程信息。具体而言，我们将车轮-地形交互和 6dof 姿态预测表示为非线性最小二乘（NLS）问题。因此，轨迹规划可以被视为双层优化。内层优化预测沿给定轨迹在地形上的姿态，而外层优化则使轨迹本身变形以降低姿态的稳定性和运动学代价。我们在以下几个方面改进了现有技术。首先，我们展示了基于 NLS 的姿态预测与高保真物理引擎的输出高度匹配。这一结果加上我们可以查询 NLS 求解器梯度的事实，使得我们的姿态预测器成为一个可微的车轮-地形交互模型。我们进一步利用这种可微性来高效求解所提出的双层轨迹优化问题。最后，我们进行了大量实验，并与基线进行比较，以展示我们的方法在获得平滑、稳定轨迹方面的有效性。