Falco: Fast likelihood based collision avoidance with extension to human guided navigation

基于似然域的快速避障方法以及在遥控导航中的应用

摘要: 我们提出了可以在拥挤环境下快速自主飞行的规划算法.传统的方法,自动导航算法通过一个复杂的环境,需要搜索一个k-connect 的栅格地图或者概率地图.当机器人移动的时候,通过传感器的数据,搜索一个符合运动学约束的路径是十分耗时的.我们提出了一个离线搜索算法降低计算复杂度.

方法 把环境分成独立的两个部分.在传感器的范围内认为,障碍物是已知的,传感器范围之外的认为是概率知道.不同与传统的,计算最低代价值,寻找最短路径的方法,最大似然概率的方法,保证到达确定的每一个下一个目标的概率最大.

实验 算法可以一个板载的单线程的处理器上,0.2-0.3ms内在轨迹库中找到轨迹.支持,有图和无图两种方式,无人机在10m/s复杂树林环境下飞行.

关键词: 空中机器人 避障 规划

1 介绍

目的: 解决复杂环境下快速自主飞行问题

问题描述: 问题具有挑战性 , 板载传感器 建立环境地图,计算符合运动学约束的路径 ,
耗费计算资源

过去怎么解决的:分层的理论,两部分,全局和局部两个子问题,全局用启发式的算法保证最优性,局部采用并行计算处理的方式跟踪全局路径,同时做避障.

文献部分

Droeschel et al., 2016

Multi‐layered mapping and navigation for autonomous micro aerial vehicles

Gonzlez, Prez, Milans, & Nashashibi, 2016

A review of motion planning techniques for automated vehicles

Scherer, Singh, & Chamberlain, 2008

Flying fast and low among obstacles: Methodology and experiments

方法在这论文中使用,但是需要计算资源 . 我们的方法可以节省计算资源

我们的方法

采用离线搜索的方式,降低计算复杂度,离线的搜索 , 用概率的方式
最大化到达下一步目标的概率,不是搜索最低代价的路径. 传感器范围内障碍物,都是认为是确定的,
传感器范围之外的,基于先验地图,是概率知道的.然后离线生成一个轨迹库.在导航的时候,根据概率,评估每一组的概率,然后决定那一条路径.

好处2: ,概率可以和机器人的行为联系在一块.现有搜索的方式,可以搜索到最短的路径,但是可能是狭窄的路径.

优点 + 实验

2相关工作

我们提出的方法是,路径规划和避障问题,这个问题就是,在给定地图,起点终点情况下,找到一条路径.
Graph search‐based methods

Kala & Warwick, 2013

Multi‐level planning for semi‐autonomous vehicles in traffic scenarios
based on separation maximization.

MacAllister, Butzke, Kushleyev, Pandey, & Likhachev, 2013

Path planning for non‐circular micro aerial vehicles in constrained environments.

Rufli & Siegwart, 2009)

On the application of the D search algorithm to time‐based planning on lattice graphs

sampling‐based methods

RRT; LaValle,(2006)

Planning algorithms

Akgun & Stilman, 2011;

Sampling heuristics for optimal motion planning in high dimensions.

Gammell, Srinivasa, & Barfoot, 2014, 2015;

Informed RRT*: Optimal sampling‐based path planning focused via direct
sampling of an admissible ellipsoidal heuristic.

Batch informed trees (BIT*): Sampling‐based optimal planning via the
heuristically guided search of implicit random geometric graphs.

Karaman &Frazzoli, 2011;

Sampling‐based algorithms for optimal motion planning

Kuffner & LaValle, 2019;

RRT‐connect: An efficient approach to single‐query path planning.

Otte & Correll, 2013

C‐FOREST: Parallel shortest path planning with superlinear speedup

这些方法都很好,但是,导航的时候,需要不断更新搜索,很耗时间,耗费计算资源

Probabilistic Roadmap

Hsu, Latombe, & Kurniawati, 2006;

On the probabilistic foundations of probabilistic roadmap planning

Kavraki, Kolountzakis, & Latombe, 1998

Analysis of probabilistic roadmaps for path planning

Voronoi graph

Beeson, Jong, & Kuipers, 2005

Towards autonomous topological place detection using the extended
Voronio graph

vector field

Pereira, Choudhury, & Scherer, 2016

A framework for optimal repairing of vector field‐based motion plans.

这些方法都很好,但是,导航的时候,需要不断更新搜索,很耗时间,耗费计算资源我们的方法

先前有

Fraichard & Mermond, 1998 最开始

Path planning with uncertainty for car‐like robots.

Van Den Berg, Abbeel, and Goldberg 2011 用一个先行二次型的高斯模型,考虑机器人运动状态的

LQG‐MP: Optimized path planning for robots with motion uncertainty and
imperfect state information.

Melchior and Simmons (2007) 每一个节点的粒子,考虑 地面摩擦的不确定性

Particle RRT for path planning with uncertainty.

Chung, Smith, Skeele, and Hollinger (2019) 图上每一个边的代价考虑不确定性

Risk‐aware graph search with dynamic edge cost discovery.

Heiden, Hausman, Sukhatme, and Agha‐mohammadi (2017) 概率描述体素的可遍历性

Planning high‐speed safe trajectories in confidence‐rich maps.

我们的是.

我们先前的工作

Zhang, Chadha, Velivela, & Singh, 2018, 2019a

P‐CAP: Pre‐ computed alternative paths to enable aggressive aerial
maneuvers in cluttered environments.

P‐CAL: Pre‐ computed alternative lanes for aggressive aerial collision avoidance

利用先验地图,预先规划轨迹.

Zhang, J., Hu, C., Chadha, R. G., & Singh, S. (2019b)

Maximum likelihood path planning for fast aerial maneuvers and collision avoidance.

是这个工作的拓展.

贡献

提出了一个方法,没有先验地图,也可以在复杂环境下飞行. 描述内容:
基于环境地图概率表示的情况下,最大化每一个到目标的概率.
实验多,但是没有地图情况下,无人机实验没有做.

3问题定义

4,方法

4.1 概率模型

start state