增强自主赛车状态估计器：利用多模态系统与计算资源管理
机器人学
2024-02-14 v3
摘要
本文提出一种增强高速自主赛车状态估计器的方法，以应对不可靠测量、定位失效和计算资源管理带来的挑战。所提出的鲁棒定位系统采用基于贝叶斯的概率方法评估多模态测量，确保即便在恶劣赛车条件下也使用可信数据实现准确可靠的定位。为应对潜在的定位失效，我们提出一种弹性导航系统，通过在与规划与执行中利用直接感知信息使赛车能够持续循迹，从而在定位中断时仍保持连续性能。此外，高效计算对于避免过载和系统故障至关重要。因此，我们利用高效的基于 LiDAR 的状态估计方法优化计算资源。借助 CUDA 编程和 GPU 加速，我们高效地执行最近点搜索和协方差计算，克服了 CPU 瓶颈。仿真与实际测试验证了系统的性能与弹性。所提方法能成功从失效中恢复，有效防止事故并保障车辆安全。
引用
@article{arxiv.2308.07173,
title = {Enhancing State Estimator for Autonomous Racing : Leveraging Multi-modal System and Managing Computing Resources},
author = {Daegyu Lee and Hyunwoo Nam and Chanhoe Ryu and Sungwon Nah and Seongwoo Moon and D. Hyunchul Shim},
journal= {arXiv preprint arXiv:2308.07173},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2207.12232