有效的人类3D定位和自由空间细分,用于仓库设施中对人类有意识的移动机器人
Dimitrios Arapis1,2, Milad Jami1, Lazaros Nalpantidis2
1Robotics Innovation Lab, Department of Robotics and Operational Technologies, Novo Nordisk A/S, Bagsvaerd, Denmark.
Frontiers in robotics and AI
|October 27, 2023
概括
这项研究引入了一种轻量级的多任务学习方法,使机器人能够预测人类的位置,并实时识别安全的导航路径,即使在具有挑战性的场景中. 该方法有效地划分空白空间,对于社会意识的机器人导航至关重要.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在机器人技术中,社会意识的导航需要实时的人类定位和障碍物感知.
- 现有的方法经常在近距离或传感器视野限制下与人类实例作斗争.
研究的目的:
- 开发一个高效的多任务学习策略,同时进行人类定位和空空间预测.
- 提高机器人在复杂,动态环境中的导航能力.
主要方法:
- 在一个配备Jetson Xavier AGX和Intel L515 LiDAR的MiR100移动机器人上实施了多任务学习框架.
- 根据地板特征,采用了一种轻量级的网络结构,配有专门的自由空间分割分支.
- 该系统在仓库环境中的数据集上进行了训练和测试.
主要成果:
- 拟议的方法在具有挑战性的人类定位场景中表现得更好,包括近距离和视野边缘实例.
- 自由空间分割分支有效地识别了没有先前地图或3D数据的可航行区域.
- 该解决方案实现了最小的计算需求,适合低能耗平台.
结论:
- 开发的方法为实时人类3D定位和自由空间分割提供了高效和轻量级的解决方案.
- 这种方法提高了工业环境中的机器人安全和社会意识.
- 该系统针对低能耗平台进行了优化,使其能够在实践中部署.
