面向行星环境的本体感知安全主动导航与探索
研究提出 PSANE 框架，利用足式机器人行走时腿-地形交互的本体感知测量，在未知可变形颗粒地形中实现安全导航与探索。该框架用高斯过程回归学习可通行性模型，在线估计并认证安全区域、识别探索前沿，再与反应式控制器结合做实时导航；前沿选择被建模为多目标优化，在安全集扩展概率与目标导向代价间权衡，并在帕累托最优前沿集上标量化选取子目标。作者称仅凭本体感知估计的可通行性即可安全探索未知颗粒地形并到达指定目标，性能优于基线方法。
发布于 10-23 23:02来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Proprioceptive Safe Active Navigation and Exploration for Planetary Environments》查看原链
arXiv:2603.08905v2 公告类型：替换 摘要：可变形颗粒地形在行星探索中会带来显著的移动与陷滞风险，且难以通过遥感（如视觉）检测。 足式机器人可在行走过程中通过腿-地形交互感知地形特性，为评估可变形环境中的可通行性提供直接手段。
然而，如何系统性地利用这种交互衍生信息进行导航规划，仍缺乏充分研究。 为填补这一空白，我们提出 PSANE，一个本体感知安全主动导航与探索框架，利用腿-地形交互测量在未知可变形环境中实现安全导航与探索。 PSANE 通过高斯过程回归学习可通行性模型，以估计并认证安全区域、在线识别探索前沿，并将这些估计与反应式控制器集成以实现实时导航。
前沿选择被建模为多目标优化，在安全集扩展概率与目标导向代价之间取得平衡，并通过在帕累托最优前沿集上标量化来选择子目标。 PSANE 仅依靠本体感知估计的可通行性，即可安全探索未知颗粒地形并到达指定目标，同时相较基线方法取得性能提升。