49、动态环境中基于领域随机化的机器人导航规划

动态环境中基于领域随机化的机器人导航规划

1. 引言

在现实世界中，自主机器人需要避免与行人碰撞，并对环境的突然变化做出快速反应。然而，大多数局部规划器依赖静态环境地图，无法捕捉环境中的不确定性。传统的机器人导航系统是模块化的，感知、状态估计、规划和控制等系统独立开发，整合和微调这些模块需要大量的领域经验和昂贵的人工劳动。此外，精确的环境地图并不总是可用，地图构建过程耗时且在某些应用中不可行，而且传统规划器无法利用经验来自我提升性能。

为了解决这些问题，提出了一种用于动态环境中点对点导航的端到端可训练规划器。通过强化学习训练一个策略，该策略根据传感器输入和相对目标位置生成机器人速度。这种方法不依赖丰富的环境地图，只需要高层的建筑平面图来指定目标位置。

2. 研究贡献

• 领域随机化实现鲁棒避障 ：在避免与包括人类和移动纸箱等动态障碍物的碰撞方面，优于动态窗口法（DWA）和时间弹性带法（TEB），即使机器人被故意阻挡。
• 泛化到新环境 ：在简单的有界空间中训练，但能泛化到办公室、走廊和工厂车间等环境。
• 全模拟训练 ：学习过程安全（对人类和机器人平台无伤害）、成本低，且加速了10倍。
• 平台独立性 ：在模拟环境中训练，可在具有不同运动学约束的移动平台上进行真实世界部署。
• 无需专家演示 ：使用正向迁移学习将训练时间减少90%，避免了人类演示的次优性和收集的繁琐。