CCO-VOXEL：基于不确定体素网格表示的机会约束优化用于安全轨迹规划
机器人学
2022-04-06 v2
摘要
我们提出 CCO-VOXEL：首个能够在体素网格世界表示上实时计算具有概率安全保证的轨迹规划的机会约束优化（CCO）算法。CCO-VOXEL 将到最近障碍物的距离分布映射为碰撞约束违反的分布，并计算使违反概率最小的最优轨迹。重要的是，与现有工作不同，我们从不假设传感器不确定性的性质或由此产生的碰撞约束违反的概率分布。我们利用分布的希尔伯特空间嵌入和最大均值差异（MMD）的概念，为原始机会约束优化问题计算一个易处理的代理问题，并采用基于 A* 的图搜索与交叉熵方法相结合来获取其最小值。我们展示了由于我们的概率公式相对于未考虑此类非参数噪声的最先进规划方法，在碰撞避免和轨迹平滑性方面取得的切实性能提升。最后，我们还展示了低维特征嵌入与 MMD 核矩阵预缓存的结合如何使我们能够在仿真以及控制四旋翼飞行的机载商用硬件实现上实现实时性能。
引用
@article{arxiv.2110.02904,
title = {CCO-VOXEL: Chance Constrained Optimization over Uncertain Voxel-Grid Representation for Safe Trajectory Planning},
author = {Sudarshan S Harithas and Rishabh Dev Yadav and Deepak Singh and Arun Kumar Singh and K Madhava Krishna},
journal= {arXiv preprint arXiv:2110.02904},
year = {2022}
}
备注
Accepted at ICRA 2022 , Code available at https://github.com/sudarshan-s-harithas/CCO-VOXEL