Gaussian Process-based Traversability Analysis for Terrain Mapless Navigation

高效地穿越不平地形仍然是自主机器人面临的一个挑战性任务。我们提出了一种新的基于几何的不平地形无地图导航框架，该框架将稀疏高斯过程（SGP）局部地图与快速探索随机树*（RRT*）规划器相结合。我们的方法首先生成高分辨率的 SGP 局部地图，提供机器人周围环境的插值表示，捕捉了关键的环境变化，包括高度、不确定性和坡度特征。随后，我们基于 SGP 表示构建可穿越性地图来指导我们的规划过程。RRT* 规划器有效地生成实时导航路径，避免无法穿越的地形，以实现目标。这种基于 SGP 的地形解释和 RRT* 规划的组合使得地面机器人能够安全地穿越高低不平的障碍物。我们通过强大的仿真测试评估了我们提出的方法的性能，突显出与现有方法相比，它在实现安全和高效导航方面的有效性。

解决问题：该论文旨在解决自主机器人在不平坦地形中导航的问题，提出了一种基于稀疏高斯过程和RRT*规划器相结合的地图无关几何导航框架。

关键思路：该论文的关键思路是结合稀疏高斯过程和RRT*规划器，通过生成高分辨率的SGP局部地图和构建可通过性地图来实现机器人的安全导航。

其他亮点：论文通过实验测试验证了该方法的有效性，并与现有方法进行了比较。该方法可以帮助机器人在不同高度和陡峭障碍物的环境中实现安全和高效的导航。论文还提供了开源代码。

相关研究：在最近的相关研究中，还有一些使用SGP和RRT*的方法来解决机器人导航问题，例如“Terrain Traversability Analysis and Motion Planning for Planetary Rovers Using Sparse Gaussian Process Regression”和“Autonomous Navigation on Unstructured Terrains Using Sparse Gaussian Processes and RRT*”等。