Исследователи предлагают навигационную структуру для сочлененных гусеничных роботов
Команда из Харбинского технологического института разработала новую навигационную систему для спасательных роботов, которая эффективно работает в сложных трехмерных условиях, таких как разрушенные здания и пересеченная местность
Short Summary
Исследователи из Харбинского технологического института представили новый навигационный фреймворк для сочленённых гусеничных роботов, предназначенных для спасательных операций. Эта система решает ключевые проблемы навигации в сложных трёхмерных средах, таких как многоэтажные конструкции и неровная местность, где традиционные 2D-методы оказываются неэффективными.
Основная сложность заключалась в том, что проходимые зоны в таких условиях имеют редкую и сложную топологическую связность, а такие объекты, как крутые склоны и лестницы, требуют особых стратегий маневрирования. Предыдущие методы управления плохо справлялись с такими сложными системами и не могли обеспечить безопасное движение с учётом ограничений робота. Новый подход включает иерархический глобальный планировщик для быстрой генерации выполнимых маршрутов и локальный планировщик на основе оптимизации многообразий для адаптации к особым зонам.
Фреймворк был протестирован в симуляциях и реальных условиях на таких объектах, как перекрывающиеся лестницы, руины зданий и заброшенные стройплощадки. Эксперименты показали его превосходство над существующими передовыми методами по таким показателям, как успешность и точность. Система обеспечивает баланс между полнотой, оптимальностью, надёжностью и общей эффективностью, что делает её перспективной для практического применения в спасательных миссиях.
Решение для сложных 3D-сред
Новый фреймворк эффективно решает проблемы навигации в спасательных сценариях с многоэтажными структурами, большими перепадами высот и сложным рельефом, где 2D-методы не работают
Иерархическое планирование
Система использует двухуровневый подход: глобальный планировщик для генерации маршрута и локальный планировщик на основе оптимизации многообразий для точной и безопасной адаптации к особенностям местности
Улучшенная стабильность и управление
Стратегия скоординированного управления всем телом робота, основанная на модели прогнозирующего управления, обеспечивает стабильное маневрирование на неровной поверхности
Подтверждённая эффективность
Тестирование в симуляциях и реальных условиях на разнообразной местности показало значительное превосходство нового метода над существующими аналогами по ключевым метрикам, таким как успешность выполнения задачи
Text generated using AI
