摘要 - 我们提出了一种新颖的基于端到端扩散的轨迹生成方法DTG,用于无地图的全球导航,以挑战户外场景,并具有遮挡和非结构化的越野特征,例如草,建筑物,灌木丛等。给定一个遥远的目标,我们的方法计算出满足以下目标的轨迹:(1)最大程度地降低目标的旅行距离; (2)通过选择不位于不良区域的路径来最大化遍历性。具体来说,我们为扩散模型提供了一种新颖的条件RNN(CRNN),以有效地产生轨迹。此外,我们提出了一种自适应训练方法,以确保扩散模型产生更多可遍历的轨迹。我们在各种室外场景中评估了我们的方法,并将性能与赫斯基机器人的其他全球导航算法进行比较。实际上,我们观察到的行进距离至少提高了15%,遍历性提高了7%。视频和代码:https://github.com/jinggm/dtg.git。
摘要:机器人自主导航的最新进展在强大而有效的导航系统的发展方面取得了重大进展。传感器融合技术,机器学习算法和计算机视觉技术的突破已推动了这些进步。这使机器人能够以更高的精度和适应性为导航复杂和动态的环境。关键的进度领域包括同时本地化和映射(SLAM)算法,导航的深入强化学习以及多传感器数据的集成,以改善本地化和避免障碍。这些发展有可能通过使机器人能够在现实世界中更自主,有效地运行,从而彻底改变包括制造,物流和服务机器人技术在内的各种行业。此外,机器人的自主导航算法的最新发展已大大提高了它们在多样化和充满挑战的环境中自主运营的能力,使我们更接近了一个未来的机器人可以无缝地导航和与周围的世界互动。接下来,我们将讨论机器人在各个行业中的不同应用。我们还将解决尚未解决的挑战和未来的前景。得出结论,我们将总结主要发现,并强调自主导航对机器人技术的未来的重要性。
在行星防御计划框架内,NASA 开发了双小行星重定向测试 (DART) 任务,意大利航天局也参与其中。DART 的航天器将充当动能撞击器,故意撞击 Didymos 双星系统(即 Didymos-B)的小卫星,而撞击的影响将由一颗小型卫星、用于小行星成像的意大利轻型立方体卫星 (LICIACube) 和地面望远镜观测。意大利航天局 (ASI) 的一项任务 LICIACube 将以大约 6.5 公里/秒的相对速度飞行,它将记录撞击的影响、陨石坑和碰撞产生的羽流的演变。LICIACube 必须保持小行星的指向角速度约为 10 度/秒,以便从靠近 Didymos-B 表面的小行星旁飞过。LICIACube 获取的图像将通过自主导航算法在机上进行处理,以识别小行星系统并控制卫星姿态。他们还将为科学界提供帮助,并为航天局率先发起的行星防御计划提供反馈。这项深空任务基于一个规模小但技术含量高的平台,其开发由意大利科技界和科学界共同参与。
摘要 — 实时、保证安全的轨迹规划对于未知环境中的导航至关重要。然而,实时导航算法通常会牺牲鲁棒性来换取计算速度。或者,可证明安全的轨迹规划往往计算量太大,无法进行实时重新规划。我们提出了 FaSTrack,即快速安全跟踪,这是一个既能实现实时重新规划又能保证安全的框架。在这个框架中,实时计算是通 过允许任何轨迹规划器使用系统的简化规划模型来实现的。该系统跟踪该规划,用一个更现实、更高维的跟踪模型来表示。我们预先计算了由于两个模型不匹配以及外部干扰而导致的跟踪误差界限 (TEB)。我们还获得了用于保持在 TEB 内的相应跟踪控制器。预计算不需要事先了解环境。我们展示了 FaSTrack 使用 Hamilton-Jacobi 可达性进行预计算,并使用三种不同的实时轨迹规划器和三种不同的跟踪规划模型对。
摘要 — 实时、保证安全的轨迹规划对于未知环境中的导航至关重要。然而,实时导航算法通常会牺牲鲁棒性来换取计算速度。或者,可证明安全的轨迹规划往往计算量太大,无法进行实时重新规划。我们提出了 FaSTrack,即快速安全跟踪,这是一个既能实现实时重新规划又能保证安全的框架。在此框架中,通过允许任何轨迹规划器使用系统的简化规划模型来实现实时计算。该计划由系统跟踪,由更现实、更高维的跟踪模型表示。我们预先计算了由于两个模型不匹配以及外部干扰而导致的跟踪误差界限 (TEB)。我们还获得了用于保持在 TEB 内的相应跟踪控制器。预计算不需要事先了解环境。我们演示了使用 Hamilton-Jacobi 可达性进行预计算的 FaSTrack 和三个不同的实时轨迹规划器以及三个不同的跟踪规划模型对。
摘要 辅助机器人在复杂的环境中运行,并有人类在场,但它们之间的交互可能受到多种因素的影响,从而导致不良结果:错误的传感器读数、意外的环境条件或算法错误只是可能出现的场景的几个例子。当用户的安全不仅是一种选择,而且必须得到保证时,一个可行的解决方案是依靠人机回路方法,例如,监控机器人在执行任务期间是否执行了错误操作,或者环境条件是否影响人机交互期间的安全,并相应地提供反馈。本文提出了一种人机回路框架,以实现电动和传感器(智能)轮椅的安全自主导航。在室内场景中,轮椅向所需目的地导航时,轨迹上可能存在的问题(例如障碍物)会在用户注意到时产生脑电图 (EEG) 电位。这些电位可用作导航算法的额外输入,以修改轨迹规划并确保安全。该框架已经通过使用在 ROS 和 Gazebo 环境中实现的轮椅模拟器进行了初步测试:对文献中已知基准的 EEG 信号进行分类,传递到自定义模拟节点,并提供给导航堆栈以执行避障。
该项目介绍了多功能军事机器人的开发,这是一种多功能机器人系统,旨在执行各种防御和安全任务。机器人的架构结合了移动性,高级传感器,健壮的控制系统和安全的通信接口,使其适应了各种操作方案。该项目的目标是增强军事力量的能力,降低人类人员的风险并满足各种任务要求。设计过程始于特定目标和要求的定义,从而导致概念设计,其中包括移动性,传感器放置和通信功能的考虑。组件和技术是仔细选择的,以确保机器人执行监视,侦察和炸弹处置等任务的能力。软件开发的重点是导航算法,避免障碍物和安全措施,包括加密。机器人组装,严格测试并校准,以确保准确的传感器读数和可靠的操作。安全协议是为人类操作员和旁观者建立的,而用户友好的遥控界面旨在促进操作。该项目强调对人员的培训和创建部署程序。在实际情况下进行操作测试是为了评估机器人的性能,并持续承诺基于用户和运营商的反馈来进行完善和增强。该项目还涉及遵守与使用军事机器人有关的国际法律和道德考虑。
自动导向车辆(AGV)项目旨在通过使用自动驾驶车辆来改变行业的物料处理和物流。配备高级传感器和计算机,这些AGV可以准确有效地沿特定路径移动。该项目的成功取决于强大的导航算法,允许AGV遵循路线,同时适应环境变化。此外,智能通信设置可以使AGV与现有仓库管理系统(WMS)之间的平稳协调,有望简化材料流并提高效率。安全是AGV运行的共享工作区中的重中之重。诸如障碍物检测,避免碰撞和紧急停车之类的功能对于防止事故和伤害至关重要。进行了广泛的测试,以确保在模拟和现实世界中的AGV系统的可靠性和安全性。这个严格的过程不仅可以提高性能,还可以建立对系统受益工业运营能力的信任。AGV项目带来了几个优势。自动化可降低人工成本,最小化错误并改善吞吐量。此外,系统的可伸缩性和灵活性使其可以适应不断变化的生产需求和布局,从而确保其长期有用。最终,通过拥抱自动化和机器人技术,AGV项目旨在提高工业环境中的生产力,安全性和竞争力。
摘要近年来,已经考虑了许多应用程序,例如预防灾难和控制,物流和运输以及无线通信。大多数无人机需要使用遥控器手动控制,这在许多环境中可能具有挑战性。因此,自主无人机引起了重大的研究兴趣,在这些研究中,大多数现有的自主导航算法都遭受了长时间的计算时间和不满意的性能。因此,我们提出了基于累积奖励和区域细分的深入加固学习(DRL)无人机路径计划算法。我们提出的区域分割旨在减少DRL药物落入局部最佳陷阱的可能性,而我们提出的累积奖励模型考虑了从节点到目的地到目的地的距离以及在节点附近的障碍物的密度,这解决了DRL算法在路径计划任务中面临的稀疏训练数据的问题。已在不同的DRL技术中测试了所提出的区域分割算法和累积奖励模型,我们表明累积奖励模型可以提高30个深神经网络的训练效率。8%和区域分割算法使深Q-Network代理避免局部最佳陷阱的99%,并协助深层确定性策略梯度代理,以避免92%的局部最佳陷阱。
摘要 - 马拉里亚是由感染雌性蚊子蚊子的寄生虫引起的,是一种严重的且潜在的致命疾病,是热带地区常见的。疾病控制程序依赖于树冠内各种垂直高度的蚊子的捕获。为了支持这种疟疾控制研究工作,该提议的解决方案旨在克服涉及攀岩和手动蚊子捕获的调用方法的局限性。本文介绍了一种新型无人机导航系统的开发,该系统旨在在树冠中收集蚊子样品。我们的解决方案通过使用立体声视觉深度摄像机和对象检测算法yolov7实现3D映射算法来构建解决方案,以准确识别树檐篷中的栖息地。开发的无人机导航算法采用获得的坐标来计划合适的飞行路径。我们评估了基础针孔摄像头模型的准确性,并进行了深度摄像头的校准,以提高深度精度。此外,我们分析了Yolov7培训配置,以最大程度地减少着陆点检测中的假阳性。结果证明了我们解决方案在捕获各种垂直高度的蚊子方面的有效性,为疟疾控制程序提供了宝贵的支持。索引术语 - 马拉里亚控制,计算机视觉,无人机导航,深度摄像头,机器学习