长程导航器 (LRN)：超越度量地图的机器人规划视野延伸

Matt Schmittle; Rohan Baijal; Nathan Hatch; Rosario Scalise; Mateo Guaman Castro; Sidharth Talia; Khimya Khetarpal; Byron Boots; Siddhartha Srinivasa

长程导航器 (LRN)：超越度量地图的机器人规划视野延伸

机器人学 2025-04-18 v1

作者: Matt Schmittle , Rohan Baijal , Nathan Hatch , Rosario Scalise , Mateo Guaman Castro , Sidharth Talia , Khimya Khetarpal , Byron Boots , Siddhartha Srinivasa

在 arXiv 上查看 ↗ PDF ↗

摘要

在无先验知识的户外环境中导航的机器人必须依赖其局部感知来感知周围环境并进行规划。这可以表现为局部度量地图或具有某固定视野的局部策略。在此之外，存在以固定代价标记的未知空间区域。受限的规划视野常常会导致仔慕决策，使机器人偏离课程，甚至陷入难以到达的地形。理想情况下，我们希望机器人拥有远超局部代价地图的完整知识。在实际中，由于稀疏的感知信息且常常计算昂贵，这在不可行。本文中，我们关键观察到，长程导航仅需识别规划的良好前沿方向，而无需获取完整地图知识。为此，我们提出了长程导航器 (Long Range Navigator, LRN)，其学习一种中间 affordance 表示，将高维相机图像映射到用于规划的'可负担'前沿，然后优化以最大化与所需目标的对齐。LRN 采用完全基于无标记 ego-centric 视频进行训练，因而易于规模化和适应新平台。通过对 Spot 和大型车辆的大量离岸实验，我们发现将 LRN augmented 到现有导航堆栈中，可减少测试时的人工干预，加快决策速度，表明 LRN 的相关性。https://personalrobotics.github.io/lrn

关键词

机器人导航长程规划前沿检测可负担表示度量地图

引用

@article{arxiv.2504.13149,
  title  = {Long Range Navigator (LRN): Extending robot planning horizons beyond metric maps},
  author = {Matt Schmittle and Rohan Baijal and Nathan Hatch and Rosario Scalise and Mateo Guaman Castro and Sidharth Talia and Khimya Khetarpal and Byron Boots and Siddhartha Srinivasa},
  journal= {arXiv preprint arXiv:2504.13149},
  year   = {2025}
}

备注

10 pages, 9 figures

长程导航器 (LRN)：超越度量地图的机器人规划视野延伸

摘要

关键词

引用

备注

相关论文