未知动态多障碍环境中移动机器人的在线高效安全关键控制
机器人学
2024-02-27 v1 人工智能
摘要
本文提出了一种基于 LiDAR 的寻址与探索框架，旨在解决在充满静态和移动障碍物的非结构化环境中在线避障的效率问题。该框架解决了与传统动态控制屏障函数（D-CBFs）相关的两个重大挑战：其在线构建以及因使用多个 D-CBFs 而导致的实时性能下降。为应对第一个挑战，框架的感知组件首先通过 DBSCAN 算法对点云进行聚类，随后利用最小包围椭圆（MBEs）算法将这些聚类封装为椭圆表示。通过比较当前 MBEs 状态与之前时刻存储的状态，实现了静态与动态障碍物的区分，并利用卡尔曼滤波器预测后者的运动。此类分析促进了针对每个 MBE 的 D-CBF 在线构建。为应对第二个挑战，我们引入了缓冲区，为每个识别出的障碍物在线生成 Type-II D-CBFs。利用这些缓冲区作为激活区域，大幅减少了需要激活的 D-CBFs 数量。当进入这些缓冲区时，系统优先考虑安全性，自主导航安全路径，因此被称为探索模式；离开这些缓冲区则触发系统过渡到寻址模式。我们证明了在该框架下系统状态能够实现安全性和渐近稳定性。在仿真和真实环境中的实验结果验证了我们框架的能力，使配备 LiDAR 的移动机器人能够在包含多个障碍物的动态环境中高效且安全地到达目标位置。
引用
@article{arxiv.2402.16449,
title = {Online Efficient Safety-Critical Control for Mobile Robots in Unknown Dynamic Multi-Obstacle Environments},
author = {Yu Zhang and Guangyao Tian and Long Wen and Xiangtong Yao and Liding Zhang and Zhenshan Bing and Wei He and Alois Knoll},
journal= {arXiv preprint arXiv:2402.16449},
year = {2024}
}