STEP：用于风险感知越野导航的随机可通行性评估与规划；来自DARPA地下挑战赛的结果
机器人学
2024-04-02 v1 系统与控制
系统与控制
摘要
尽管自主系统在结构化和受控环境中已得到广泛应用，未知越野地形中的机器人自主仍是一个难题。极端、越野和非结构化环境，如未开发的荒野、洞穴、瓦砾及其他灾后现场，对自主导航提出了独特且严峻的挑战。基于我们参与DARPA地下挑战赛，我们提出一种方法，通过称为STEP（随机可通行性评估与规划，Stochastic Traversability Evaluation and Planning）的可通行性与规划框架，改善机器人在感知退化且完全未知的地下环境中的自主穿越。我们提出：1)快速的不确定性感知建图与可通行性评估，2)使用条件风险价值(CVaR)的尾部风险评估，3)基于序列二次规划(SQP)的模型预测控制(MPC)的高效风险与约束感知运动学-动力学运动规划，4)针对可能导致失败的意外场景的快速恢复行为，以及5)四足机器人的基于风险的步态自适应。我们在加州Valentine洞穴（洞穴环境）、肯塔基州Kentucky Underground（矿井环境）和肯塔基州Louisville Mega Cavern（DARPA地下挑战赛决赛场地，含隧道、城市与洞穴环境）的野外研究中，基于轮式和腿式机器人平台展示了大量实验结果并进行了验证。
引用
@article{arxiv.2303.01614,
title = {STEP: Stochastic Traversability Evaluation and Planning for Risk-Aware Off-road Navigation; Results from the DARPA Subterranean Challenge},
author = {Anushri Dixit and David D. Fan and Kyohei Otsu and Sharmita Dey and Ali-Akbar Agha-Mohammadi and Joel W. Burdick},
journal= {arXiv preprint arXiv:2303.01614},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2103.02828