面向半静态环境中移动机械臂安全导航的物体与任务感知主动感知方法
该研究提出一种主动感知框架，让高自由度移动机械臂在导航过程中用手部相机检查不确定或安全关键区域，以应对机器人两次到访之间场景半静态变化导致的地图过时与碰撞风险上升。方法上采用概率化、物体与任务感知的下一最佳视角（NBV）公式，优先观测期望路径附近及不确定或可能变化物体周围区域，并将其集成进分层任务模型预测控制（HTMPC），利用运动学冗余调整视角，同时保持基座轨迹跟踪的更高优先级。系统将导航、地图维护与主动感知统一为闭环。真实世界测试显示，相比被动或非任务感知基线，地图一致性提升、任务相关地图熵降低、导航风险下降；仿真与真实序列进一步验证了对受控半静态场景变化的响应。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Object- and Task-Aware Active Perception for Safe Navigation of Mobile Manipulators in Semi-Static Environments》查看原链
移动机械臂需要在物流、制造和服务应用中，在杂乱且部分未知的环境中安全导航。 机器人两次到访之间发生的半静态变化可能导致场景知识过时，并增加碰撞风险。 我们提出一种主动感知框架，使高自由度（DoF）移动机械臂能够在导航过程中用手部相机检查不确定或安全关键区域。
一种概率化、物体与任务感知的下一最佳视角（NBV）公式优先考虑期望路径附近以及不确定或可能变化物体周围的观测。 感知目标被集成到分层任务模型预测控制（HTMPC）中，利用运动学冗余调整视角，同时保持基座轨迹跟踪的更高优先级。 该系统将导航、地图维护和主动感知统一在一个闭环中。
真实世界测试表明，与被动或非任务感知基线相比，地图一致性得到改善，任务相关地图熵降低，导航风险更低。 额外的仿真和真实世界序列展示了对受控半静态场景变化的响应。