[論文レビュー] Elevation Mapping for Locomotion and Navigation using GPU

Takahiro Miki, Lorenz Wellhausen+4 more|arXiv (Cornell University)|Apr 27, 2022

Robotic Path Planning Algorithms被引用数 8

ひとこと要約

本論文では、自律走行脚立型ロボット向けにGPUアクセラレーションを活用した高さマッピングフレームワークを提示しており、リアルタイムでの地形認識を実現するとともに、精度と耐障害性を向上させている。GPUアクセラレーションによるポイントクラウド処理、高さのずれ補正、レイトキャスティングを用いた可視性クリーニング、および統合された後処理（例：歩行可能性スコアリング、平滑化、平面セグメンテーション）を活用することで、ナビゲーションと知覚的歩行制御の両方をサポートする。実験ではDARPAサブターレイアン・チャレンジおよび四足歩行実験で有効性が確認された。

ABSTRACT

Perceiving the surrounding environment is crucial for autonomous mobile robots. An elevation map provides a memory-efficient and simple yet powerful geometric representation for ground robots. The robots can use this information for navigation in an unknown environment or perceptive locomotion control over rough terrain. Depending on the application, various post processing steps may be incorporated, such as smoothing, inpainting or plane segmentation. In this work, we present an elevation mapping pipeline leveraging GPU for fast and efficient processing with additional features both for navigation and locomotion. We demonstrated our mapping framework through extensive hardware experiments. Our mapping software was successfully deployed for underground exploration during DARPA Subterranean Challenge and for various experiments of quadrupedal locomotion.

研究の動機と目的

• 敏捷な脚立型ロボットのための高レートポイントクラウド処理において、CPUベースの高さマッピングの限界を克服すること。
• センサードリフトや遮蔽の影響を軽減することで、実環境での展開においてマップの信頼性を向上させること。
• 歩行可能性推定、平滑化、平面セグメンテーションなどの高度な後処理機能を統合し、知覚的歩行制御に特化した対応を実現すること。
• ナビゲーションおよび脚立歩行制御の両方を対象とし、挑戦的な環境下でも高精度でリアルタイムの地形表現を可能にすること。
• センサーエラーおよび環境の遮蔽に強く、地下ミッションなどの極限環境でも運用可能な耐障害性を向上させること。

提案手法

• GPUベースの並列処理を活用し、ポイントクラウドの登録およびレイトキャスティングを高速化することで、CPUベースのベースラインに比べて処理スループットを著しく向上させた。
• 脚のオドメトリの誤差に起因する垂直方向のずれを補正する高さのずれ補正を実装し、特にスリップ発生時における精度を向上させた。
• レイトキャスティングを用いた可視性クリーニングを適用し、突出した障害物に起因する仮想壁（仮想アーチファクト）を効果的に除去することで、地形表現の正確性を確保した。
• ロボットが障害物に近接している場合に誤ったマップ更新を防ぐための除外ゾーンメカニズムを導入した。
• 局所的な幾何的特徴（傾斜、粗さなど）から歩行可能性スコアを計算する学習ベースの歩行可能性フィルタを導入した。
• ナビゲーションおよび制御タスクに適した多層高さマップ出力を実装し、原始的マップ、補間済みマップ、平滑化マップ、上限マップの各層を提供した。

実験結果

リサーチクエスチョン

• RQ1 GPUアクセラレーションは、動的で複雑な地形における脚立型ロボットの高さマッピングのリアルタイム性能をどのように向上させるか？
• RQ2 長時間にわたる歩行においてオドメトリのドリフトに起因するマップアーチファクトを軽減する有効な手法は何か？
• RQ3 突出した構造物に起因する可視性および遮蔽アーチファクトを、高さマップからどのように低減できるか？
• RQ4 統合された後処理機能（例：歩行可能性、平滑化、平面セグメンテーション）が、知覚的歩行制御にどれほど寄与するか？
• RQ5 提案された高さマッピングフレームワークは、地下洞窟のような実世界の非構造的環境において、ナビゲーションと歩行制御の両方を信頼性高くサポートできるか？

主な発見

• GPUアクセラレーションによるパイプラインは、CPUベースのベースラインに比べて著しく高速な処理を達成し、高解像度ポイントクラウドでもリアルタイムの高さマッピングを実現した。
• 高さのずれ補正により、マップ内の垂直方向のアーチファクトが低減され、強化学習ベースのコントローラーにおいても滑らかな歩行と性能向上が達成された。
• レイトキャスティングを用いた可視性クリーニングは、突出した障害物に起因する仮想壁を効果的に除去し、経路計画の信頼性を向上させた。
• 歩行可能性および上限マップ層の統合により、勾配領域や遮蔽領域でも安全なナビゲーションが可能になったことが、DARPAサブターレイアン・チャレンジで実証された。
• 本フレームワークは、多様な地形および長時間のミッションを想定した、モデルベースおよび学習ベースの複数の歩行コントローラーを効果的にサポートした。
• 本システムはDARPAサブターレイアン・チャレンジにおいて実運用が行われ、複雑な幾何形状と視認性の低い環境下でも耐障害性を実証した。