感知不确定性下概率安全导航的能力感知规划

基于感知的导航系统对于无人地面车辆（UGV）在复杂地形中的导航非常有用，而传统的基于深度的导航方案在这些地形中是不够的。然而，这些数据驱动的方法高度依赖于其训练数据，并且可能在几乎没有预警的情况下以令人惊讶和剧烈的方式失败。为了确保车辆及周围环境的安全，导航系统必须能够识别感知模型的预测不确定性，并在面对不确定性时安全有效地做出响应。为了在感知不确定性下实现安全导航，我们开发了一种基于概率和重建的能力估计（PaRCE）方法，以估计模型对输入图像整体以及图像中特定区域的熟悉程度。我们发现，整体能力得分可以正确预测正确分类、错误分类和分布外（OOD）样本。我们还确认，区域能力图可以准确地区分图像中熟悉和不熟悉的区域。然后，我们利用这些能力信息来开发一种规划与控制方案，该方案能够在保持低错误概率的同时实现有效导航。我们发现，与没有能力感知的基线控制器相比，能力感知方案大大减少了与不熟悉障碍物的碰撞次数。此外，区域能力信息在实现高效导航方面非常有价值。