BenchNav: Simulation Platform for Benchmarking Off-road Navigation Algorithms with Probabilistic Traversability

随着感知和规划方面的机器人导航技术不断进步，移动机器人越来越多地进入涉及复杂可行性的越野环境。然而，由于算法的多样性，选择合适的规划方法仍然是一个挑战，因为每种方法都具有独特的优势。为了帮助算法设计，本文介绍了BenchNav，这是一个基于PyTorch的开源仿真平台，用于评估具有不确定可行性的越野导航。BenchNav建立在Gymnasium之上，提供了三个关键功能：1）用于准备合成自然环境的数据生成流程，2）用于可行性预测的内置机器学习模型，以及3）在不同算法之间实现路径和运动规划的一致执行。我们通过越野环境的仿真示例展示了BenchNav的多功能性，采用了来自不同领域的三种代表性规划算法。 https://github.com/masafumiendo/benchnav

本论文旨在解决机器人在复杂地形中的导航问题，如何选择合适的规划方法仍然是一个挑战。

论文提出了一个名为BenchNav的基于PyTorch的开源仿真平台，用于测试具有不确定可行性的越野导航算法。

BenchNav提供了三个关键功能：1）用于准备合成自然环境的数据生成管道，2）内置用于可行性预测的机器学习模型，3）在不同算法之间执行路径和运动规划的一致性执行。本文通过在越野环境中使用来自不同领域的三种代表性规划算法的仿真示例展示了BenchNav的多功能性。

最近的相关研究包括：1）《Robust Terrain-aware Navigation Using a Multi-Sensor Fusion Approach》2）《A Survey of Terrain Traversability Analysis》3）《Terrain Traversability Analysis: A Review of Ground-Based Robots》