在危险环境中规划安全路径
机器人学
2018-11-13 v3
摘要
自主水下航行器（AUVs）是常用于绘制海床地图的机器人平台，例如用于底栖调查或海军水雷对抗（MCM）行动。AUVs 创建调查区域的声学图像，从而可识别海床上的物体，并在 MCM 情况下发现并处置水雷。创建此类海床地图的常用方法是执行割草机式调查，这是覆盖路径规划中的标准方法。我们致力于探索调查感兴趣区域的替代技术，以缩短任务时间或评估可行行动，例如寻找穿越危险区域的安全路径。本文中，我们使用高斯过程回归基于割草机式调查获得的海床复杂度数据建立模型。我们评估几种常用核函数以衡量其建模性能，包括数据不连续性的建模。我们的结果表明加性 Mat\'ern 核最适于建模海床复杂度数据。在 GP 模型之上，我们使用两种标准路径规划方法 A* 和 RRT* 的改进版本，为海上航行器寻找穿越建模区域的安全路径。我们评估所规划路径，并运行航行器动力学模拟器以评估海上航行器的潜在性能。
引用
@article{arxiv.1803.00664,
title = {Planning Safe Paths through Hazardous Environments},
author = {Chris Denniston and Thomas R. Krogstad and Stephanie Kemna and Gaurav S. Sukhatme},
journal= {arXiv preprint arXiv:1803.00664},
year = {2018}
}
备注
Initially created as IROS 2018 submission, but additional appendices to show all results, and updated in Spring 2018