面向垂直挑战地形的六自由度高效动力学建模地形注意力学习
机器人学
2024-03-26 v1
摘要
轮式机器人近期已展现出穿越垂直挑战地形（例如，与车辆自身尺寸相当的极其崎岖的巨石）的卓越机械能力。通过此类地形会引入车辆姿态在所有六个自由度 (DoF) 上的显著变化，导致接触力不平衡、动量变化以及因非刚性轮胎和悬挂引起的底盘变形。为在垂直挑战地形上自主导航，所有这些因素都需要在有限的车载计算资源和严格的实时约束下进行高效推理。本文提出一种六自由度动力学学习方法，该方法仅关注对当前车辆-地形交互至关重要的特定底层地形，从而能够在小型机器人的车载实时运动规划器中高效查询。物理实验结果表明，与针对垂直挑战地形的最先进模型相比，我们的地形注意力学习在所有六个自由度上的模型预测误差平均降低了 51.1%。
引用
@article{arxiv.2403.16419,
title = {Terrain-Attentive Learning for Efficient 6-DoF Kinodynamic Modeling on Vertically Challenging Terrain},
author = {Aniket Datar and Chenhui Pan and Mohammad Nazeri and Anuj Pokhrel and Xuesu Xiao},
journal= {arXiv preprint arXiv:2403.16419},
year = {2024}
}