VERN：密集非结构化户外环境中的植被感知机器人导航
机器人学
2023-03-28 v1
摘要
我们提出一种用于在具有多种柔韧/可通行与不可弯折/不可通行植被的密集植被环境中自主腿式机器人导航的新方法。我们提出一种新颖的小样本学习分类器，可在数百张 RGB 图像上训练，以区分可穿过的植物与必须绕行的植物。利用植被分类和 2D 激光雷达扫描，我们的方法构建植被感知的可通行性代价地图，以较低和较高的可通行性代价分别准确表示柔韧与不可弯折障碍物。我们的代价地图构建考虑了植被的误分类，并进一步降低了导航过程中碰撞、卡死和被植被困住的风险。此外，我们为机器人在冻结或物理上被困于密集柔韧植被中的场景提出全向恢复行为。我们在真实世界非结构化环境（含稀疏和密集高草、灌木、树木等）中的 Boston Dynamics Spot 机器人上演示了我们的方法。与现有方法相比，我们观察到成功率提高 25-90%，冻结率降低 10-90%，误报率降低高达 65%。
引用
@article{arxiv.2303.14502,
title = {VERN: Vegetation-aware Robot Navigation in Dense Unstructured Outdoor Environments},
author = {Adarsh Jagan Sathyamoorthy and Kasun Weerakoon and Tianrui Guan and Mason Russell and Damon Conover and Jason Pusey and Dinesh Manocha},
journal= {arXiv preprint arXiv:2303.14502},
year = {2023}
}
备注
8 Pages, 5 figures