在极端环境中使用语义信念图实现安全高效的导航
Safe and Efficient Navigation in Extreme Environments using Semantic Belief Graphs
AI总结：
提出语义信念图（SBG）表示方法，在感知不确定性下进行基于语义的规划，通过几何与语义节点及局部控制器实现安全高效的机器人导航，并在仿真与真实多层户外环境中验证。
摘要：
为了在未知和非结构化环境中实现自主性，我们提出了一种在感知不确定性下的基于语义的规划方法。这种能力对于在具有需要特定地形移动策略的移动性压力要素的环境中进行安全高效的机器人导航至关重要。我们提出了语义信念图（Semantic Belief Graph, SBG），一种环境中机器人概率路线图的几何和语义表示。SBG节点包含机器人的几何状态和环境中地形的语义知识。SBG边表示局部基于语义的控制器，驱动机器人在节点之间移动或调用信息收集动作以减少语义信念的不确定性。我们在SBG上构建了一个基于语义的规划问题，产生一个策略使机器人以最小遍历时间安全导航到目标位置。我们在仿真中分析了我们的方法，并展示了腿式机器人平台在多层户外环境中导航的真实世界结果。
英文摘要：
To achieve autonomy in unknown and unstructured environments, we propose a method for semantic-based planning under perceptual uncertainty. This capability is crucial for safe and efficient robot navigation in environment with mobility-stressing elements that require terrain-specific locomotion policies. We propose the Semantic Belief Graph (SBG), a geometric- and semantic-based representation of a robot's probabilistic roadmap in the environment. The SBG nodes comprise of the robot geometric state and the semantic-knowledge of the terrains in the environment. The SBG edges represent local semantic-based controllers that drive the robot between the nodes or invoke an information gathering action to reduce semantic belief uncertainty. We formulate a semantic-based planning problem on SBG that produces a policy for the robot to safely navigate to the target location with minimal traversal time. We analyze our method in simulation and present real-world results with a legged robotic platform navigating multi-level outdoor environments.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
