arXiv · cs.RO· Taekyung Kim, Rahul H Kumar, Aswin D. Menon, Tzu-Hsiang Lin, Dimitra Panagou·· 7 小时前精选AI 评分62
论文 / 摘要阅读
SEAMLiS:面向感知受限多机器人探索的可见性感知安全框架
SEAMLiS: Visibility-Aware Safety for Perception-Limited Multi-Robot Exploration
AI 导读 · 根据来源整理
SEAMLiS 是面向感知受限下自主多机器人探索的模块化执行层安全框架,在保留上游目标分配与局部规划器的前提下,通过感知感知的姿态与位置滤波器保障安全。其门控姿态滤波器在提升可见性的偏航策略与速度跟踪备份策略间切换,以维持已知自由区与未知边界可见并留出制动余量;基于控制障碍函数的位置滤波器则规避已知障碍、新检测障碍和其他机器人。作者给出充分避碰条件,并在随机仿真、Isaac Sim 与 Crazyflie 硬件实验中验证,结果显示在测试的单机器人与多机器人设置下实现无碰撞探索,同时保留较多可见性提升偏航控制的效率。该文为 arXiv 预印本。
本站目前提供摘要
以上是对来源材料的中文整理,不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源:arXiv · cs.RO · arxiv.org