HE-Nav：面向密集环境下航空-地面机器人高性能高效导航系统
机器人学
2024-10-08 v1
摘要
现有航空-地面机器人(AGR)导航系统通过采用3D语义场景完成网络进行体素占用预测，并构建欧氏距离场(ESDF)地图实现碰撞自由路径规划，已在轻度遮挡场景(如建筑物)取得进展。然而，由于感知网络的低预测精度和路径规划器的高计算开销，这些系统在密集环境中严重遮挡场景(如密集森林或高墙)表现出次优的性能和效率。本文提出HE-Nav，首个面向密集环境下AGR的高性能高效导航系统。感知模块采用轻量级语义场景完成网络(LBSCNet)，由鸟瞰视图(BEV)特征融合驱动，并通过精心设计的SCB-Fusion模块和注意力机制获得增强，实现密集区域实时高效障碍物预测，生成完整局部地图。基于此完成的地图，我们的新型AG-Planner采用能源高效的动力学A*搜索算法，确保规划过程节能。后续轨迹优化过程产生安全、平滑、动态可行且无ESDF的航空-地面混合路径。大量实验表明，HE-Nav在实际场景中实现了7倍能源节省，同时在仿真场景中保持98%的规划成功率。代码与视频已在项目页面提供：https://jmwang0117.github.io/HE-Nav/。
引用
@article{arxiv.2410.05079,
title = {HE-Nav: A High-Performance and Efficient Navigation System for Aerial-Ground Robots in Cluttered Environments},
author = {Junming Wang and Zekai Sun and Xiuxian Guan and Tianxiang Shen and Dong Huang and Zongyuan Zhang and Tianyang Duan and Fangming Liu and Heming Cui},
journal= {arXiv preprint arXiv:2410.05079},
year = {2024}
}
备注
Accepted to IEEE RA-L