面向可验证实时障碍物运动预测的动力学避碰方法
机器人学
2019-03-12 v2
摘要
下一代无人机（UAV）必须可靠地规避运动障碍物。现有的动态碰撞避免方法在障碍物轨迹为线性或已知时有效，但此类限制对许多真实世界无人机应用并不准确。我们提出一种仅基于近期观测、通过在线训练 LSTM 神经网络来预测障碍物运动的高效方法。给定此类预测，我们定义了非线性概率速度障碍物（NPVO），可用于以给定概率选择无碰撞速度。我们朝形式化验证迈出了一步，使用统计模型检测来近似系统误预测障碍物运动的概率。给定该概率，我们证明了多智能体与互易避碰场景中碰撞概率的上界。此外，我们在仿真中证明，在现有最优方法失败的情况下，我们的方法能够避免碰撞。
引用
@article{arxiv.1811.01075,
title = {Toward Verifiable Real-Time Obstacle Motion Prediction for Dynamic Collision Avoidance},
author = {Vincent Kurtz and Hai Lin},
journal= {arXiv preprint arXiv:1811.01075},
year = {2019}
}
备注
ACC 2019, extended version