[论文解读] Autonomous Exploration Development Environment and the Planning Algorithms

Chao Cao, Hongbiao Zhu+5 more|arXiv (Cornell University)|Oct 27, 2021

Mobile Agent-Based Network Management被引用 7

一句话总结

本文提出了一款开源自主探索开发环境（AED-E），集成TARE与FAR规划器，实现基于3D LiDAR的地面车辆自主导航。该系统支持高层规划、地形可通行性分析及航点跟踪，在复杂环境（如DARPA地下挑战赛）中实现完全自主，CMU-OSU团队成功探索了28个区域中的26个。

ABSTRACT

Autonomous Exploration Development Environment is an open-source repository released to facilitate the development of high-level planning algorithms and integration of complete autonomous navigation systems. The repository contains representative simulation environment models, fundamental navigation modules, e.g., local planner, terrain traversability analysis, waypoint following, and visualization tools. Together with two of our high-level planner releases -- TARE planner for exploration and FAR planner for route planning, we detail usage of the three open-source repositories and share experiences in the integration of autonomous navigation systems. We use DARPA Subterranean Challenge as a use case where the repositories together form the main navigation system of the CMU-OSU Team. In the end, we discuss a few potential use cases in extended applications.

研究动机与目标

• 为开发和部署自主导航系统中的高层规划算法提供可复用的开源软件栈。
• 通过提供逼真的仿真环境和与真实传感器兼容的模块，弥合仿真与真实世界部署之间的差距。
• 通过可扩展、模块化且可部署的导航组件，支持视觉导航与语义导航的前沿研究。
• 通过集成规划器与行为执行器及共享状态管理，实现多机器人协同与人机混合导航。
• 通过避免依赖不切实际的仅仿真数据（如真实语义分割）来促进真实世界部署。

提出的方法

• AED-E代码库提供中间层导航软件栈，包含仿真环境模型、局部规划器、地形可通行性分析模块及航点跟踪模块。
• TARE规划器利用3D LiDAR数据与几何路径规划实现自主探索，专为未知环境优化。
• FAR规划器通过基于多机器人探索数据构建的稀疏路网，支持长距离路径规划，实现远距离位置间的高效切换。
• 系统通过标准化接口与状态估计及运动控制层集成，支持在地面车辆上的真实世界部署。
• 支持基于Matterport3D的房屋模型，用于模拟具有语义真实标签的现实室内环境。
• 系统支持在行为执行器下并行执行多个规划器（TARE用于探索，FAR用于长途转移），实现动态任务切换。

Figure 1: Our repositories form the mid-layer and top layer in a three-tier navigation system. Users can integrate the repositories in real systems using the interface to bottom layer, i.e., state estimation and motion control, or run the repositories in simulation using the environment models.

实验结果

研究问题

• RQ1 如何设计一个模块化、开源的导航软件栈，以同时支持地面车辆的仿真与真实世界部署？
• RQ2 地形可通行性分析在实现非结构化环境中稳健自主导航中扮演何种角色？
• RQ3 高层规划器（如TARE与FAR）如何集成，以实现在复杂多地形环境中的探索与长距离转移？
• RQ4 具有语义真实标签的逼真仿真环境在多大程度上可支持视觉导航策略的训练？
• RQ5 如何通过共享探索地图与协同规划实现自主导航系统中的多机器人协同？

主要发现

• CMU-OSU团队在DARPA地下挑战赛中荣获‘最多区域探索奖’，自主探索了隧道、城市与洞穴环境中共28个区域中的26个。
• 在Satsop核电站的城市赛道中，单辆车辆仅使用TARE规划器，成功行驶886米，耗时1458秒，完成全程自主探索。
• 在路易斯维尔巨型岩洞决赛中，三辆车辆协同行驶共1,541.6米（分别行驶596.6米、499.8米与445.2米），耗时2259秒，按顺序使用TARE与FAR规划器。
• 系统成功实现动态任务切换：车辆在长距离转移（如从A到B或从起点到C）中使用FAR规划器，进入新区域后切换至TARE规划器进行探索。
• Matterport3D模型与语义真实标签的集成，使系统能够为基于视觉的导航策略训练提供高精度仿真，支持自监督监督。
• 系统的模块化设计支持在真实车辆上的无缝部署，并在共享探索状态与路网融合的多机器人协同中表现出色。

(a) Campus