模块化、弹性且可扩展的系统设计方法——DARPA地下挑战赛后的经验教训
机器人学
2024-04-30 v1
摘要
现场机器人应用，例如搜索与救援，涉及机器人在大型未知区域中运行。这些环境带来了独特的挑战，加剧了机器人操作员面临的困难。使用多机器人团队，并辅以精心设计的自主性，有助于减轻操作员的工作负担，并使操作员能够有效地协调机器人的能力。在这项工作中，我们提出了一种旨在优化多机器人场景中机器人自主性和操作员体验的系统架构。借鉴我们团队参与DARPA SubT挑战赛的经验教训，我们的架构强调模块化和互操作性。我们通过允许可调节的自主性水平（“滑动模式自主性”）来赋能操作员。我们通过使用直观、自适应的界面来增强操作员体验，这些界面建议上下文感知的动作以简化控制。最后，我们描述了所提出的架构如何能够简化新能力的开发，从而在现场有效部署机器人自主性。
引用
@article{arxiv.2404.17759,
title = {Modular, Resilient, and Scalable System Design Approaches -- Lessons learned in the years after DARPA Subterranean Challenge},
author = {Prasanna Sriganesh and James Maier and Adam Johnson and Burhanuddin Shirose and Rohan Chandrasekar and Charles Noren and Joshua Spisak and Ryan Darnley and Bhaskar Vundurthy and Matthew Travers},
journal= {arXiv preprint arXiv:2404.17759},
year = {2024}
}
备注
Accepted to the IEEE ICRA Workshop on Field Robotics 2024