预测多种地形上用于户外导航的地面机器人能耗和行驶时间
摘要：地面机器人的室外导航能力在近年来取得了显著提高，为各种不同环境的潜在应用打开了新的可能性。在路径规划领域中，基于成本的环境表示经常被用来根据不同的目标（如通过时间或能耗）获取优化路径。然而，在室外环境中，特别是具有多样地形类型和坡度角的情况下，获取这样的成本表示仍然很麻烦。本文通过使用数据驱动方法来解决这个问题，为各种室外地形类型开发了支持能耗和通过时间两个优化目标的成本表示。我们训练了一个监督式机器学习模型，其输入是沿路径提取的环境数据，输出是预测的能耗和通过时间。该模型基于ResNet神经网络架构，并使用现场记录的数据进行训练。所提出方法在不同地形类型上与实际数据的误差在11%以内。为了展示在不同地形类型上性能和泛化能力优于当前现有方法，我们进行了与基准方法的比较。
作者：Matthias Eder, Gerald Steinbauer-Wagner
论文ID：2308.15978
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-31