Omni-Perception：动态环境中足式运动的全向避障
机器人学
2025-08-29 v2
摘要
在复杂 3D 环境中的敏捷运动需要稳健的空间感知，以安全避开各种障碍物，如空中杂物、不平坦地形和动态智能体。基于深度的感知方法通常难以应对传感器噪声、光照变化、来自中间表示（例如高程图）的计算开销以及非平面障碍物的困难，从而限制了在非结构化环境中的性能。相比之下，将 LiDAR 感知直接集成到用于足式运动的端到端学习中仍未得到充分探索。我们提出了 Omni-Perception，这是一种端到端运动策略，通过直接处理原始 LiDAR 点云来实现 3D 空间感知和全向避障。其核心是 PD-RiskNet（近端-远端风险感知分层网络），这是一种新颖的感知模块，用于解释时空 LiDAR 数据以进行环境风险评估。为了促进高效的策略学习，我们开发了一个高保真 LiDAR 仿真工具包，具有真实的噪声建模和快速光线投射功能，兼容 Isaac Gym、Genesis 和 MuJoCo 等平台，实现了可扩展的训练和有效的 sim-to-real 迁移。直接从原始 LiDAR 数据学习反应式控制策略，使机器人能够比依赖中间地图或有限感知的方法更稳健地在具有静态和动态障碍物的复杂环境中导航。我们通过真实世界实验和广泛的仿真验证了 Omni-Perception，展示了在高度动态环境中强大的全向避障能力和卓越的运动性能。
引用
@article{arxiv.2505.19214,
title = {Omni-Perception: Omnidirectional Collision Avoidance for Legged Locomotion in Dynamic Environments},
author = {Zifan Wang and Teli Ma and Yufei Jia and Xun Yang and Jiaming Zhou and Wenlong Ouyang and Qiang Zhang and Junwei Liang},
journal= {arXiv preprint arXiv:2505.19214},
year = {2025}
}