Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

TANGO : Navigation sensible à la traversabilité avec contrôle des métriques locales pour les objectifs topologiques

Created by
  • Haebom

Auteur

Stefan Podgorski, Sourav Garg, Mehdi Hosseinzadeh, Lachlan Mares, Feras Dayoub, Ian Reid

Contour

Cet article présente un nouveau pipeline de navigation topologique au niveau objet, exclusivement RVB, permettant la navigation robotique longue portée et sans tir, sans carte 3D ni contrôleur pré-entraîné. Il intègre la planification globale des trajectoires topologiques au contrôle local des trajectoires métriques, permettant au robot de naviguer vers des sous-cibles au niveau objet tout en évitant les obstacles. Il pallie les limites des méthodes existantes en intégrant un mécanisme qui prédit en continu les trajectoires locales grâce à une estimation monoculaire de la profondeur et de la traversabilité, et bascule automatiquement vers un contrôleur de référence si nécessaire. Grâce à un modèle de référence, il garantit une applicabilité en environnement ouvert sans ajustements spécifiques au domaine. Sa robustesse et sa déployabilité sont démontrées en environnements simulés et réels, démontrant son efficacité et surpassant les méthodes de pointe existantes, offrant une solution plus adaptable et performante pour la navigation visuelle en environnements ouverts. Le code source est accessible au public.

Takeaways, Limitations

•
Takeaways:
◦
Nous démontrons que la navigation robotique longue portée sans tir est possible sans carte 3D ni contrôleur pré-entraîné.
◦
L’utilisation d’images RVB uniquement réduit les coûts de calcul et facilite la généralisation dans une variété d’environnements.
◦
La navigation au niveau des objets permet une planification d'itinéraire plus intuitive et plus efficace.
◦
L’approche basée sur un modèle de base est applicable à divers environnements sans réglage fin spécifique au domaine.
◦
Il surpasse les méthodes de pointe existantes.
◦
La reproductibilité et l’extensibilité ont été améliorées grâce à la divulgation du code source.
•
Limitations:
◦
Les performances peuvent être affectées par la précision de l’estimation de la profondeur monoculaire et de l’estimation de la passabilité.
◦
Les performances du mécanisme de commutation automatique peuvent ne pas être garanties dans tous les environnements.
◦
Une évaluation supplémentaire des performances dans des environnements complexes et encombrés est nécessaire.
◦
Une analyse plus approfondie des erreurs cumulatives qui peuvent survenir lors d’une exploitation à long terme est nécessaire.
👍
Made with Slashpage