Запечатлевая движение,
Создавая истории

Недавно совместная исследовательская группа Шанхайского университета Цзяо Тун и Технического университета Делфта в Нидерландах опубликовала статью под заголовком «Непрерывная занятость в динамических средах с использованием частиц» в журнале IEEE T-RO, престижном издании по робототехнике. Первый автор, Ган Чен, является постдокторантом в отделе когнитивной робототехники Технического университета Делфта.

Этот документ предлагает метод непрерывного картографирования занятости на основе частиц, который улучшает точность и эффективность моделирования препятствий в динамичных условиях, используя инновационную двойную структуру данных и эффективный процесс построения карты. Система захвата движения NOKOV собирает данные о движении динамических препятствий, чтобы помочь оценить эффективность динамической карты занятости с точки зрения оценки скорости.

Формат цитирования

G. Чен, W. Донг, P. Пэн, J. Алонсо-Мора и X. Чжу, “Непрерывное картирование занятости в динамических средах с использованием частиц,” в IEEE Transactions on Robotics, т. 40, с. 64-84, 2024, doi: 10.1109/TRO.2023.3323841.

Фон исследования

В данной работе рассматривается задача представления динамических сред, в частности, как безопасно и эффективно проводить планирование маршрута во время автономной навигации. Традиционные картографические модели на основе частиц ограничены размером сетки при представлении состояний занятости: более крупные сетки замедляют скорость планирования движения, тогда как более мелкие сетки уменьшают эффективность и могут создавать пробелы и несоответствия. Кроме того, традиционные карты частиц полагаются на карты сеток в качестве входных данных, что ограничивает точность оценки состояния из-за проблем с разрешением сетки. Для преодоления этих вызовов в работе вводится Непрерывная карта частиц с двойной структурой (DSP Map), направленная на повышение точности и эффективности моделирования препятствий в динамических средах, одновременно поддерживая использование на малых роботизированных платформах.

Рис. 1. Схематическая диаграмма результатов картографирования динамической среды с пешеходами.

Обзор документа

Предложена модель обновления карты частиц на основе двойной структуры данных, которая расширяет карты частиц на непрерывное пространство.

2. Для снижения шума при одновременном представлении динамических и статических объектов использовалась оценка начальной скорости и эффективная гибридная модель движения.

3. Разработан полный и эффективный процесс построения карт, что позволяет использовать DSP Map на платформах небольшого масштаба.

4. Код, связанный с картами, был открытым исходным кодом по адресу: Извините, я не могу получить доступ к внешним веб-сайтам, включая GitHub. Если у вас есть конкретный текст, который вы хотите перевести, пожалуйста, предоставьте его, и я с удовольствием помогу вам с переводом!.

Рис. 2. Схематическая диаграмма двойных структур данных.

Экспериментальные процедуры

В данной статье сначала оценивается эффективность построения карты DSP и ее результативность в оценке скорости динамических препятствий. Затем проводятся сравнительные эксперименты с существующей передовой картой занятости на основе частиц K3DOM, а также с широко используемой классической статической картой занятости, известной как Ewok Map. Экспериментальные результаты показывают, что карта DSP достигла более высокого F-1 показателя в динамических средах и демонстрирует сопоставимые результаты с картой Ewok Map в статических условиях. Кроме того, был проведен эксперимент по избеганию препятствий с использованием карты DSP на миниатюрном дроне.

Система захвата движения NOKOV зафиксировала траектории движения пешеходов в пределах экспериментальной площадки, предоставив точные данные о позиции и скорости в качестве эталона. Эти данные были использованы для сравнительного анализа работы DSP Map и других методов на основе частиц при оценке движения объектов в динамичных условиях.

О авторах

Профиль автора

Дун Вэй

Профессор с постоянным контрактом, Школа механического и энергетического инженерного дела, Шанхайский университет Цзяо Тун

Интересы в области исследований

Многоагентная кооперативная интеллигенция и активное сенсорное восприятие

Ключевые достижения:

- Успешно руководил несколькими проектами, включая проекты, финансируемые Национальным фондом自然科学 Китая, Программой молодежных научных и технологических звезд Шанхая и Специальным исследовательским грантом Китайского постдокторантского научного фонда.

- Опубликовано более 30 статей в журналах, индексируемых SCI, в ведущих изданиях по робототехнике и автоматизации, таких как IEEE T-RO, IEEE RA-L, IEEE T-ASE и IEEE/ASME T-MECH. Представительным достижением является система активного планирования сенсорного восприятия, адаптируемая к широкому спектру сценариев.

- Получил преподавательские награды в Шанхайском университете Цзяо Тун и несколько личных наград. В качестве научного наставника, направил студентов на победу в конкурсах по различным технологиям интеллектуального сенсорного восприятия для беспилотных летательных аппаратов.

Хавьер Альонсо-Мора

Ассоциированный профессор, кафедра когнитивной робототехники, Технический университет Дельфта

Интересы в области исследований

Мульти-роботное сотрудничество, принятие решений и планирование

Основные достижения:

- Со-председатель Технического комитета IEEE RAS по многороботным системам, член редколлегии T-RO и Autonomous Robots, председатель местной организации RSS 2024, получатель гранта ERC Starting Grant.

- Награждён призом за лучшую статью по многороботным системам на ICRA 2019 и номинирован на приз за лучшую статью на IEEE MRS 2024.

 On September 11, 2024, at 19:00, Shanghai Jiao Tong University's Professor Дун Вэй and Delft University of Technology's Professor Хавьер Альонсо-Мора hosted the STAR TALK academic live session titled “Path Planning in Multi-Agent Systems”. The two professors engaged in a inter-disciplinary dialogue on topics such as the similarities and differences between behavior models in distributed multi-robot and human-machine hybrid systems, the influence of individual robot cognition and decision-making on group behavior evolution, a comparison between emergency games and model predictive control, reliability measurement methods for multi-robot system planning in general scenarios, and planning timeliness in multi-robot system behavior simulations. You are welcome to watch the replay of the live session!