HALO：面向自主系统的危险感知着陆优化
机器人学
2023-04-05 v1 计算机视觉与模式识别
系统与控制
系统与控制
最优化与控制
摘要
随着自主飞行器执行安全关键任务，例如火星科学实验室 Curiosity 探测器的火星着陆，自动识别并推理潜在危险着陆点的任务至关重要。本文提出一种感知-规划耦合解决方案，解决在不确定环境中着陆时遇到的危险检测、最优着陆轨迹生成和应急规划挑战。具体而言，我们开发并组合了两种新算法：危险感知着陆点选择（HALSS）和自适应延迟决策轨迹优化（Adaptive-DDTO），分别应对感知和规划挑战。HALSS 框架处理点云信息以识别可行的安全着陆区，而 Adaptive-DDTO 是一种多目标应急规划器，随着接收到新的感知信息而自适应地重新规划。我们在模拟的火星环境中展示了方法的有效性，并表明与非自适应 DDTO 方法相比，我们的感知-规划耦合方法实现了更高的着陆成功率且更省燃料。
引用
@article{arxiv.2304.01583,
title = {HALO: Hazard-Aware Landing Optimization for Autonomous Systems},
author = {Christopher R. Hayner and Samuel C. Buckner and Daniel Broyles and Evelyn Madewell and Karen Leung and Behcet Acikmese},
journal= {arXiv preprint arXiv:2304.01583},
year = {2023}
}
备注
The first two authors have contributed equally to this work. This work is to be published in the proceedings of the 2023 IEEE International Conference on Robotics and Automation (ICRA)