Path planning in uncertain environments is a key enabler of true vehicle autonomy. Over the past two decades, numerous approaches have been developed to account for errors in the vehicle path while navigating complex and often uncertain environments. An important capability of such planning is the prediction of vehicle dispersion covariances about candidate paths. This work develops a new closed-loop linear covariance (CL-LinCov) framework applicable to wide range of autonomous system architectures. Extensions to current CL-LinCov frameworks are made to accommodate 1) the cascaded architecture typical of autonomous vehicles and 2) the dual-use of continuous sensor information for both navigation and control. The closed-loop nature of the framework preserves the important coupling between the system dynamics, exogenous disturbances, and the guidance, navigation, and control algorithms. The developed framework is applied to a simplified model of an unmanned aerial vehicle and validated by comparison via Monte Carlo analysis. The utility of the CL-LinCov information is illustrated by its application to path planning in an uncertain obstacle field via a modified version of the rapidly exploring random tree algorithm.


翻译:在不确定的环境中规划路径是真正车辆自主的关键促成因素。在过去20年中,在航行复杂且往往不确定的环境时,为计算车辆路径错误而制定了许多方法。这种规划的一个重要能力是预测车辆对候选路径的分散共变情况。这项工作开发了适用于各种自主系统结构的新的闭路线线性共变(CL-LinCov)框架。扩展了目前的CL-LinCov框架,以容纳1个自控车辆典型的级联结构;2 双重使用连续传感器信息进行导航和控制。框架的闭路性质保留了系统动态、外源扰动以及指导、导航和控制算法之间的重要组合。开发的框架适用于无人驾驶飞行器的简化模型,并通过蒙特卡洛分析加以比较验证。CL-LinCov信息的效用通过对快速探索随机树算法的修改版本用于在不确定的障碍域进行路径规划来说明CL-LinCov信息的用途。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
专知会员服务
161+阅读 · 2020年1月16日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
已删除
将门创投
10+阅读 · 2018年5月2日
Arxiv
0+阅读 · 2021年7月14日
Arxiv
3+阅读 · 2014年10月9日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
已删除
将门创投
10+阅读 · 2018年5月2日
Top
微信扫码咨询专知VIP会员