语义信念行为图：赋能未知环境中的自主机器人巡检
机器人学
2024-07-11 v2
摘要
本文探讨复杂未知环境中的自主机器人巡检问题。该能力对于在各种真实场景中实现高效、精确的巡检至关重要，即使面临感知不确定性和缺乏环境先验知识。现有的真实世界自主巡检方法通常依赖于预定义的目标和航点，往往无法适应动态或未知环境。在本工作中，我们引入语义信念行为图（SB2G）框架，作为一种面向语义感知的自主机器人巡检新方法。SB2G为机器人生成控制策略，其行为节点封装了为巡检不同类别对象而设计的各种基于语义的策略。我们设计了一种主动语义搜索行为，以引导机器人定位待巡检对象，同时降低语义信息不确定性。SB2G中的边编码了这些行为之间的转换。我们通过仿真和使用腿足式机器人平台进行的真实城市巡检验证了该方法。结果表明，SB2G能够实现更高效的巡检策略，表现出与人工操作巡检相当的性能。
引用
@article{arxiv.2401.17191,
title = {Semantic Belief Behavior Graph: Enabling Autonomous Robot Inspection in Unknown Environments},
author = {Muhammad Fadhil Ginting and David D. Fan and Sung-Kyun Kim and Mykel J. Kochenderfer and Ali-akbar Agha-mohammadi},
journal= {arXiv preprint arXiv:2401.17191},
year = {2024}
}