PERAL：球形机器人中被动LiDAR激励的感知驱动运动控制
化学物理
2026-05-06 v1 生物物理
摘要
自主移动机器人日益依赖LiDAR-IMU里程计进行导航和建图，但水平安装的LiDAR（如MID360）捕获的近地面回波极少，限制了地形感知并在特征稀缺环境中降低了性能。先前的解决方案——静态倾斜、主动旋转或高密度传感器——要么牺牲水平感知，要么增加执行器、成本和功耗。我们引入了PERAL，一个面向球形机器人的感知驱动运动控制框架，无需专用硬件即可实现被动LiDAR激励。通过对内部差速驱动执行与传感器姿态之间耦合的建模，PERAL在名义目标或轨迹跟踪命令上叠加有界、非周期性振荡，在保持导航精度的同时丰富了垂直扫描多样性。在紧凑球形机器人上实现的PERAL在实验室、走廊和战术环境中得到了验证。实验表明，地图完整度提高高达96%，轨迹跟踪误差降低27%，近地面人体检测稳健，所有这些均以较低的重量、功耗和成本相比静态倾斜、主动旋转和固定水平基线实现。设计和代码将在接受后开源。
引用
@article{arxiv.2509.14916,
title = {Fluorescence-detected Wavepacket Interferometry reveals time-varying Exciton Relaxation Pathways in single Light-Harvesting Complexes},
author = {Stephan Wiesneth and Paul Recknagel and Alastair T. Gardiner and Richard Cogdell and Richard Hildner and Jürgen Köhler},
journal= {arXiv preprint arXiv:2509.14916},
year = {2026}
}