VI-IKD：基于习得视觉-惯性逆运动动力学的离线高速精确导航
机器人学
2022-08-03 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
地面车辆高速越野导航的关键挑战之一在于，车辆与地形交互的运动动力学（kinodynamics）会因地形不同而产生剧烈差异。以往应对该挑战的方法考虑学习逆运动动力学（IKD）模型，以车辆惯性信息为条件来感知运动动力学交互。本文中，我们假设：要使用习得的 IKD 模型实现精确高速越野导航，除过往惯性信息外，还必须预判车辆与地形在未来的运动动力学交互。为此，我们提出视觉-惯性逆运动动力学（VI-IKD），一种新颖的基于学习的 IKD 模型，其除过往惯性信息外，还以机器人前方地形块的视觉信息为条件，从而能预判未来的运动动力学交互。我们在 1/5 比例 UT-AlphaTruck 越野自主车辆的室内与室外环境中实验验证了 VI-IKD 在精确高速越野导航中的有效性，并表明相较于其他 SOTA 方法，VI-IKD 在多种不同地形上以最高 3.5 m/s 的速度实现了更精确、更鲁棒的越野导航。
引用
@article{arxiv.2203.15983,
title = {VI-IKD: High-Speed Accurate Off-Road Navigation using Learned Visual-Inertial Inverse Kinodynamics},
author = {Haresh Karnan and Kavan Singh Sikand and Pranav Atreya and Sadegh Rabiee and Xuesu Xiao and Garrett Warnell and Peter Stone and Joydeep Biswas},
journal= {arXiv preprint arXiv:2203.15983},
year = {2022}
}