[论文解读] Overcoming the Challenges of Solar Rover Autonomy: Enabling Long-Duration Planetary Navigation

Olivier Lamarre, Jonathan Kelly|arXiv (Cornell University)|May 14, 2018

Robotic Path Planning Algorithms参考文献 20被引用 14

一句话总结

本文通过将能量感知与环境感知规划整合到移动框架中，解决了为太阳能火星车实现长期自主导航的挑战。提出了一种混合导航策略，通过平衡能量可用性、地形可 traversability 和科学目标，优化每日行驶距离，证明在先进自主性和地形建模的支持下，持续每日行驶150米以上是可行的。

ABSTRACT

The successes of previous and current Mars rovers have encouraged space agencies worldwide to pursue additional planetary exploration missions with more ambitious navigation goals. For example, NASA's planned Mars Sample Return mission will be a multi-year undertaking that will require a solar-powered rover to drive over 150 metres per sol for approximately three months. This paper reviews the mobility planning framework used by current rovers and surveys the major challenges involved in continuous long-distance navigation on the Red Planet. It also discusses recent work related to environment-aware and energy-aware navigation, and provides a perspective on how such work may eventually allow a solar-powered rover to achieve autonomous long-distance navigation on Mars.

研究动机与目标

• 弥合当前在火星太阳能车长期任务中自主导航方面的空白，特别是针对如美国国家航空航天局火星采样返回任务等长期任务。
• 识别当前火星车任务中限制持续长距离行驶的关键操作与技术挑战。
• 研究近期能量感知与环境感知导航的进展如何克服能量与地形限制。
• 提供一个框架，以实现在火星上持续数月的自主、节能且适应地形的导航。
• 通过将实时能量建模与地形感知整合到规划周期中，支持未来任务设计。

提出的方法

• 分析当前火星车（如好奇号）采用的三阶段规划框架（战略、超战术、战术），以理解操作约束。
• 利用过去火星车任务（如好奇号、精神号、机遇号）的数据，将能量建模与地形可 traversability 估计相结合。
• 应用机器学习技术，如基于深度学习的地形分类（SPOC）和基于热惯量的打滑预测，以改进地形评估。
• 提出一种混合导航策略，通过平衡能量可用性、地形风险与科学目标，最大化每日行驶距离。
• 利用仿真与任务数据，在能量与地形约束下建模长期行驶路径，优化实现持续每日150米以上的性能。
• 通过硬件在回路实验与火星车遥测数据，利用能量消耗与地形交互的不确定性模型，实现风险感知路径规划。

实验结果

研究问题

• RQ1 太阳能火星车如何在无人员干预的情况下，持续数月保持每日行驶150米以上的距离？
• RQ2 限制火星长期自主导航的主要能量与地形相关约束是什么？
• RQ3 环境感知与能量感知导航模型在多大程度上能提升长期火星车行驶的可靠性与效率？
• RQ4 基于深度学习的地形分类与能量建模在多大程度上能增强行星探测车的自主决策能力？
• RQ5 为支持在能量约束下持续数月的自主导航，需要如何整合规划周期（战略、超战术、战术）？

主要发现

• 当前火星车如好奇号仅在四次任务中单日行驶超过130米，表明在现有框架下，持续高速行驶在操作上不可行。
• 火星采样返回任务的采集火星车预计在约三个月内行驶超过14公里，需保持平均每日150米以上的行驶速度，这已超出当前操作能力。
• 能量感知导航可通过优化太阳能可用性并减少在松软或倾斜地形上的能量损耗，延长每日行驶范围。
• 基于深度学习的地形分类（如SPOC）可提高地形评估的准确性，降低在松散土壤上车轮打滑与能量浪费的风险。
• 结合实时能量建模与本体感知的可 traversability 估计，可实现更可预测且高效的路径规划，提升任务生产力。
• 仿真与任务数据显示，借助先进自主性，太阳能火星车可通过平衡能量、地形与科学目标，实现持续每日150米以上的行驶。