SMUG Planner：一种面向挑战性环境中移动机器人的安全多目标规划器
机器人学
2023-06-09 v1
摘要
机器人探索或监测任务要求移动机器人在潜在挑战性环境中自主且安全地于多个目标位置间导航。目前，此类多目标任务常依赖人类以路径或航点形式为机器人设计一组动作。本工作中，我们考虑访问一组预定义目标的多目标问题，其中每个目标均可从多个潜在位置访问。为提升此类任务的自主性，我们提出一种安全多目标（SMUG）规划器，可生成访问这些目标的最优运动路径。为提升安全性与效率，我们提出一种分层状态有效性检验方案，其利用了在仿真中学习到的机器人特定可通行性。我们使用带信息采样器的 LazyPRM* 来加速无碰撞路径生成。我们的迭代动态规划算法使规划器能在数秒内生成访问十余个目标的路径。此外，所提分层状态有效性检验方案相较纯体积碰撞检验减少了 30% 的规划时间，并通过规避高风险区域提升了安全性。我们将 SMUG 规划器部署于四足机器人 ANYmal 上，并展示了其在粗糙地形中全自主引导机器人完成多目标任务的能力。
引用
@article{arxiv.2306.05309,
title = {SMUG Planner: A Safe Multi-Goal Planner for Mobile Robots in Challenging Environments},
author = {Changan Chen and Jonas Frey and Philip Arm and Marco Hutter},
journal= {arXiv preprint arXiv:2306.05309},
year = {2023}
}