[论文解读] NeBula: Quest for Robotic Autonomy in Challenging Environments; TEAM CoSTAR at the DARPA Subterranean Challenge

Ali Agha, Kyohei Otsu+70 more|arXiv (Cornell University)|Mar 21, 2021

Robotics and Automated Systems被引用 105

一句话总结

NeBula 是一个具有不确定性意识的信念空间自治框架，能够实现对 DARPA Subterranean Challenge 的弹性、模块化机器人探测，并在 Tunnel 和 Urban 竞赛的异构机器人上进行了演示。

ABSTRACT

This paper presents and discusses algorithms, hardware, and software architecture developed by the TEAM CoSTAR (Collaborative SubTerranean Autonomous Robots), competing in the DARPA Subterranean Challenge. Specifically, it presents the techniques utilized within the Tunnel (2019) and Urban (2020) competitions, where CoSTAR achieved 2nd and 1st place, respectively. We also discuss CoSTAR's demonstrations in Martian-analog surface and subsurface (lava tubes) exploration. The paper introduces our autonomy solution, referred to as NeBula (Networked Belief-aware Perceptual Autonomy). NeBula is an uncertainty-aware framework that aims at enabling resilient and modular autonomy solutions by performing reasoning and decision making in the belief space (space of probability distributions over the robot and world states). We discuss various components of the NeBula framework, including: (i) geometric and semantic environment mapping; (ii) a multi-modal positioning system; (iii) traversability analysis and local planning; (iv) global motion planning and exploration behavior; (i) risk-aware mission planning; (vi) networking and decentralized reasoning; and (vii) learning-enabled adaptation. We discuss the performance of NeBula on several robot types (e.g. wheeled, legged, flying), in various environments. We discuss the specific results and lessons learned from fielding this solution in the challenging courses of the DARPA Subterranean Challenge competition.

研究动机与目标

• 在未知且具有挑战性的地下环境中推动自主探索。
• 介绍 NeBula 框架及其不确定性感知、模块化设计，用于弹性决策。
• 展示 Team CoSTAR 在 SubT 阶段 I（Tunnel）和阶段 II（Urban）中的性能与经验。
• 展示在不同异构机器人平台与环境（地面、空中、混合型）中的适用性。
• 讨论从感知到任务规划及通信的组件，如何实现大规模、去中心化自治。

提出的方法

• 将 NeBula 作为一个具有不确定性感知的信念空间自治框架，对机器人姿态、环境与任务状态的联合分布进行规划。
• 描述将感知、规划、世界信念管理、通信与运营连接起来的模块化架构。
• 引入 SMAP（同时绘图与规划）、SLAP（同时定位与规划）和 SPLAM 的概念，以加强感知驱动的决策制定。
• 详细介绍使用 HeRO（异构与弹性里程计）进行多传感器状态估计，以及在 LiDAR、IMU、视觉、热成像等模态下的传感融合流程。
• 说明团队在不稳定通信条件下的异构机器人部署、网状网络、动态任务分配与数据共享的作业概念（ConOps）。

实验结果

研究问题

• RQ1 在感知受损且通信被拒绝的地下环境中，如何使自治具有弹性？
• RQ2 在信念空间上进行规划（联合推理与决策）对鲁棒探索与物品检测有哪些好处？
• RQ3 在 SubT 挑战中，NeBula 如何在异构机器人与环境（隧道、城市、行星类比）中表现？
• RQ4 在具有挑战性的地形中部署大规模、网络化自治团队时的系统层面教训与权衡是什么？

主要发现

• CoSTAR 在 Tunnel 竞赛中获得第二名，在 Urban 竞赛中获得第一名。
• NeBula 在多种机器人类型上进行了演示，包括轮式、步行、飞行和混合平台，覆盖陆地与类行星环境。
• 该架构通过联合感知-规划、对不确定性的处理以及模块化以实现可扩展的网络自治，强调弹性。
• 实地演示与经验教训强调在弹性状态估计、大规模地图绘制、语义理解和带宽感知通信方面的重要性。
• 本文讨论了异构系统集成、基于仿真的开发以及从有监督到自治操作的转变等实际洞见。