面向服务机器人高效安全导航的视觉辅助在线 A* 路径规划

在以人为中心的环境中部署自主服务机器人受到感知与规划之间的关键鸿沟的制约。传统导航系统依赖昂贵的 LiDAR，这些传感器虽然在几何上精确，却缺乏语义感知能力，无法区分办公室地板上重要的文件与无害的垃圾，二者都被视为可遍历的。虽然存在先进的语义分割技术，但目前尚无先前工作成功地将这种视觉智能集成到足够高效以适用于低成本嵌入式硬件的实时路径规划器中。本文提出了一种框架以填补这一鸿沟，在经济实惠的机器人平台上提供上下文感知的导航。我们的方案核心在于将轻量级感知模块与在线 A* 规划器进行一种新颖的紧密集成。感知系统采用语义分割模型识别用户定义的视觉约束，使机器人能够基于上下文重要性而非物理大小进行导航。这种灵活性允许操作员定义在给定任务中需要避免的关键内容，例如办公室中的敏感文件或工厂中的安全线，从而解决了需避免什么事物的歧义。这种语义感知被无缝融合到几何数据中。识别出的视觉约束被投影为非几何障碍物 onto 一个持续更新的全局地图，该地图来自传感器数据，使机器人能够通过部分已知和未知环境实现稳健的导航。我们通过在高保真仿真中进行大量实验以及在实际机器人平台上进行验证来验证了该框架。结果表明，该框架实现了稳健、实时的性能，证明了低成本机器人能够在尊重关键视觉线索的前提下安全地导航复杂环境。