迷你评论文章

前面。空间抛光工艺。,2022年12月15日
秒。先进的航天工程
卷3 - 2022 | https://doi.org/10.3389/frspt.2022.1080291

进步在行星轮式移动机器人的自主移动:复习一下

机械和航空航天工程,卡尔顿大学,渥太华,加拿大

流动性分析是至关重要的快速、安全、自主运行的行星轮式移动机器人(WMRs)。综述目前实现测距技术设计行星WMRs改善他们的机动性和traversability和调查方法。分类方法的基础上,采用方法从ieee和基于模型的估计terramechanics-based,机器学习,和全球传感技术。他们的目标是检测车辆运动参数(运动状态和力/力矩),地形危害(滑动和下沉)和地形参数(土壤凝聚力和摩擦)。这些方法的局限性,建议未来的任务。

1介绍

五年多来,轮式移动机器人(WMRs)被证明在太空探索和行星任务至关重要。遍历范围广泛的环境中,可操作性,能够针对特殊特性,并降低重量和功耗相对于其他平台有一些理由支持他们的日益普及。图1描绘了著名WMRs在过去、现在和未来的任务在不同的外星人尸体。为一个全面的参考书目行星WMRs读者被称为(Sanguino 2017)。WMRs在行星的运行需要复杂的软件和硬件解决方案指导、导航和控制(GNC)。这确实是,因为不同的盛行对外星人的身体条件。复杂和未知的环境中,与非均匀土壤,陡峭的斜坡,宽松和多阶段的地形,开车在低重力地区,恶劣的照明条件下,GPS信号不可用、功耗的限制,和计算的局限性嵌入式系统是至关重要的挑战,必须处理在开发GNC模块(Quadrelli et al ., 2015)。测程法或知识的构成和方向的车辆对一些本地引用GNC算法是一个关键组成部分。由于约束和不确定因素,当前的行星WMRs依赖与地面通讯电台进行测程法和安全运行的计划。这ground-in-the-loop操作导致车辆可以减少旅行每天在一个特定的外星身体。因此,未来的行星任务需求更大程度的本地化技术提高粗纱平台的自主权。在本文中,我们首先回顾实现测程法解决方案行星WMRs和突出自己的优点和缺点。然后,我们继续回顾已经提出的解决方案,提高traversability和移动的行星WMRs和协助传统测距技术。这里,我们这些解决方案在五个不同的分类方法包括ieee方法、基于模型的方法,依赖于运动学和估计理论,terramechanics-based方法,机器学习技术,和全球感应。

图1

图1。行星WMR平台、日期和地点的任务。

2实现行星WMRs导航技术

测程法是每个导航系统的核心。它指估计姿势和方向的车辆对参考坐标框架。测程法可以使用本体感受的传感执行(例如,IMU和编码器)或外部传感(如相机和太阳传感器)。因此,根据传感器所涉及的问题被称为轮测程法(我们),惯性测程法(IO),或视觉里程计(VO)。我们使用车辆的运动学模型随着车轮的转动速度,通过编码器,估计姿势和取向。的漂移方法甚至和平面地形之上% 10遍历的距离(Azkarate Vecilla 2022)。这个解决方案是寄居在火星上实现Pathfiner任务造成估计1997年(Matijevic, 1997 b)。其他火星探测器的喷气推进实验室(JPL)使用这种类型的测程法与其他方法相结合。惯性传感器的IO使用噪声测量和运动模型来估计姿势和取向。在5 - 10%的噪音水平加速度计结果漂移估计姿势做平移运动的IO无效。然而,它已被用于准确地更新旋转状态。使用传感器融合通过Kalman-based过滤器相结合提出了我们和IO (鲍姆加特纳et al ., 2001;阿里et al ., 2005),以确保准确的测程法对high-traction地形勇气号与机遇号探测器的火星探测车(MER)任务。这种技术也得益于太阳传感器提供绝对的估计。机载相机的签证官流程序列图像运动估计。这种方法独立于wheel-terrain互动并提供准确的估计(1 - 5%)。火星探测器好奇的科学实验室(实验室)的任务和毅力罗孚Mars2020任务结合前面所述的测程法方法与签证官(锣,2015)。罗莎琳德富兰克林罗孚的天外火星任务采用VO和IO的本地化(拉博拉et al ., 2017)。签证官也实现在月球探测器嫦娥的玉兔两个4任务(Wan et al ., 2014)。合并后的我们,IO,签证官可以产生与1 - 2%的漂移估计(Azkarate Vecilla 2022)。虽然签证官提供了本地化的性能优越,它是计算昂贵的负面影响WMR功耗和速度。要解决这个问题提出了现场可编程门阵列(fpga)作为一个高效的平台运行签证官(霍华德et al ., 2012)。表1总结了行星WMRs测程法技术并比较它们的性能。

表1

表1。比较不同的行星WMRs测程法方法。

3流动性和traversability增强

增加操作时间,未来行星WMRs需要更高程度的自治执行导航任务不依赖高延迟和地面通讯电台。然而,操作在外星身体不是类似于地球操作和涉及挑战性的问题。例如,行驶在软变形和不均匀的土壤,陡峭的山坡上,很少的视觉特性,永久阴影区,对嵌入式系统处理能力约束的这些挑战。这些问题的设计需求的具体算法,能够预测traversability规划安全自主操作和提高流动性和量距在未知的崎岖的地形。本部分调查许多这些方法。

3.1直接ieee方法

这些方法使用一些传感器的输出信号来检测异常的条件和正确的测程法。硬件冗余,使用特殊的传感器、频率分析和逻辑推理的一些方法在这一类。基于规则的模糊逻辑和专家技术被用于(奥赫达et al ., 2004)相互比较的数据冗余的编码器,陀螺仪,和电机电流检测和正确的测程法六轮机器人rocker-boogie悬架系统。然而,这种技术并不估计车轮滑动的程度。(奥赫达et al ., 2006)。提出了一种滑动估计量测程法校正的运动的方向,需要精确的电流测量和一些特定的地形参数。他们认为地形参数可以在线估计使用全球定位系统(GPS)提供的绝对位置或诱导滑在单个轮WMR至少有四个驱动轮。火星探测器“好奇号”的滑动检测,完成基于电动机电流和视觉传感器(Arvidson et al ., 2017)。当检测到异常电流激活视觉系统来帮助签证官的导航系统。功能并不是唯一的场景中,使用车轮轨道(Maimone et al ., 2007)或转向柱相机提出(斯特拉瓦迪演奏et al ., 2020)。视觉测距校正变形地形也提出了(雷纳et al ., 2010)在(使用模糊推理和Nagatani et al ., 2010)使用特殊的远心镜头。然而,这些技术需要高计算成本的行星WMRs嵌入式处理器。热相机是另一种形式的特殊传感器,用于(坎宁安et al ., 2015)开发non-geometrical方法预测traversability地形通过分析其热惯性的红外图像。然而,长期观察时间需要获得一个良好的预测。

3.2估计和运动学

这些方法都是基于运动学模型来源于WMRs和评估理论的物理工具如Kalman-based过滤器。在(主义艺术观et al ., 2001),不完整的运动学约束是用来获得协助IO速度测量在一个扩展卡尔曼滤波器(EKF)的框架。然而,该方法不适用low-traction和凹凸不平的地形外星人的身体正如作者建模作为一个零均值噪声。其他kinematics-based方法提出了旨在提高测程法性能(Hidalgo-Carrio et al ., 2014;卢et al ., 2019)。提出了一种应用方法(Helmick et al ., 2006),建立了一个正运动学模型rocker-bogie悬架系统的卡尔曼滤波器结合惯性和视觉测量以及轮利率和滑动的车轮转向角估计和补偿。然而,永久阴影区域的月亮,火星毫无特色的场景,和权力约束WMRs可视技术的主要限制。在(病房和Iagnemma, 2008年)轮胎牵引力模型EKF框架内成立融合数据编码器,IMU,和GPS探测和固定化条件。然而,GPS信号并不是可以在外星的身体。尽管如此,大多数研究工作依靠卡尔曼滤波器进行估计,(酒井法子et al ., 2009;雷纳et al ., 2020)使用两种不同的过滤器。前者提出了一个6自由度本地化的解决方案在一个无味卡尔曼滤波(UKF)框架基于立体相机的测量,IMU,轮子编码器。后者采用容积卡尔曼滤波(位置)来估计地形属性使用振动。减少量距误差结合IO和我们,(科里奇等人。,2019年),使用不完整约束和零速更新周期停止。自动停车时间通过估算和监测车轮滑转了(科里奇等人。,2021年)。然而,这些方法为遍历速度牺牲准确性。在(马林诺斯基et al ., 2022)整合的效果预测滑在我和签证官考察了使用卡尔曼滤波器结构。

3.3 Terramechanics和动力学

Terramechanics研究土壤特性和wheel-terrain交互发现正常和剪切应力在接触区域开发使用,例如,实证Bekker-Wong模型(Bekker 1969;黄和莉丝,1967)和最近的修改(Higa et al ., 2015)。“勇气号”火星探测器寄居进行参数估计的火星土壤识别凝聚力和内摩擦角依赖地面分析(Matijevic, 1997)。然而,Earth-in-the-loop程序费时和低效的。提出了在线估计这些参数(Iagnemma et al ., 2004基于简化terramechanic方程和最小二乘法识别参数使用探测器的测量配置传感器、编码器、电位器、基础力/力矩传感器。简化terramechanics-based模型也被用于(Ishigami et al ., 2007)处理纵向和横向滑移转向演习期间土壤变形。然而,估计的准确性受到质疑,因为简化模型不是一个好的表示真正的互动。在(Higa et al ., 2016),基础力/力矩传感器和五种定制接触传感器被用来获取三维应力分布wheel-terrain接触面积的月球风化层模拟的。的方法,然而,对于一个轮子会导致错误的1 - 11%。地形参数的实时估计也解决(李et al ., 2018)使用半经验terramechanic方程和卡尔曼滤波器对变形斜坡WMRs驾驶。然而,这种方法并不适用于人迹罕至的地区,因为它需要一个测量数据的历史。测量terramechanic参数前的探测器,(张w . et al ., 2022 b),建议使用的铰接式轮式bevameter配备力和视觉传感器来预测车轮的滑移和下沉。一个现场方法估算下沉了(郭et al ., 2020),定义了一个新的参考线轮下沉和简化terramechanics封闭方程使用力/力矩传感器。的方法是有限的温和和high-traction地形。

3.4机器学习方法

这些方法主要是基于分类或回归技术分别提供感兴趣的离散或连续的估计量。地形分类器训练使用振动信号测量的加速度计,受噪声和偏见(布鲁克斯和Iagnemma, 2005年)。培训过程也是离线未知环境的方法不恰当。减轻其缺点,同样的作者提出了一个self-supervised学习方法预测地形属性使用两种不同的分类器(布鲁克斯和Iagnemma, 2012年)。支持向量机(SVM)本体感受的分类器分析振动信号或力矩和下沉的组合生成标签训练一个感受外界刺激的地形分类器。第二个支持向量机分类器使用立体图像识别从远处有潜在危险的地形。然而,这种训练方法是单向振动信号只是用于视觉训练分类器。提高培训过程,(大津et al ., 2016),提出了一种双向培训技术两个分类器训练的地方。的估计,Omura和Ishigami (2017)提出了一种支持向量机学习方法基于法向力和接触角的测量wheel-terrain交互区域产生滑动相关标签,分类车轮滑转分为三个层次:non-stuck, quasi-stuck,卡住了。(冈萨雷斯et al ., 2018 a)。相比的性能监督(人工神经网络和支持向量机)和无监督(自组织映射和k - means)分类技术在检测三个离散水平纵向滑动(低、中等和高)基于IMU的测量,编码器和电机电流。提出了一种应用分类方法Endo et al。(2021)预测车轮滑转通过估计地形斜坡。图像处理的计算成本限制了使用视觉方法。深度学习技术也提出了本体感受的地形分类的基础上测量的运动状态和车轮力/力矩(Vulpi et al ., 2020)。在最好的情况下其误差在8.6%左右。这些方法的主要限制是滑不能估计以连续的方式和输出只是有用的,以避免危险的地形。在(Angelova et al ., 2007从远处),连续滑动预测基于视觉数据和非线性回归模型相关地形外貌和滑动和几何。方法的适用性受到怀疑,因为它使用视觉传感器和它有一些困难来确定地形类型。在(冈萨雷斯et al ., 2018 b高斯过程回归(GPR)是用来预测连续滑移及其方差基于IMU和电机扭矩的测量。然而,探地雷达很高的计算工作,因为它使用来执行其预测的历史特性。探地雷达也使用中国的火星探测器祝融估计的平均使用测量IMU纵向和横向滑动,编码器和电机电流(张t . et al ., 2022 a)。

3.5全球传感

全球本地化解决方案整合绕过限制测程法和正确的位置漂移。火星轨道器之间的通讯联系奥德赛和海洋平台启用导航系统获得位置精度约10米约3天(Guinn 2001)。天际线签名匹配图像之间被WMR和全球地图提出了(Chiodini et al ., 2017)来初始化车辆位置后降落在火星上。(Matthies et al ., 2022)。提出了机载全球定位技术包括映射月球陨石坑从轨道上,然后使用立体相机或激光雷达探测陨石坑的地标。该方法的精度取决于全球地图的分辨率。神经网络学习算法,如暹罗分别提出了全球定位火星和月球上(我Caireta, 2021)和(吴et al ., 2019)。

3.6总结和潜在的未来的发展方向

表2总结了在这一节中讨论的方法,指出其潜在的应用为提高流动性和行星WMRs traversability。这些解决方案的可行性水平留下了许多需要改进的地方。一个主要问题是计算在这些机器人嵌入式系统的局限性,和未来的研究必须指向发展中计算高效的软件解决方案可用的硬件。分布式传感、sensor-level或者track-level融合,可用于评估体系结构来提高其性能。实现更大程度的自主权,未来的学习解决方案应该是设计基于多向交流训练技巧。小说terramechanics模型基于更新信息在行星的表面(例如,土壤组成、表面几何)需要同时提高传统模型的保真度和效率。必须开发快速、健壮的应用算法来检测和匹配特性在严酷的照明条件和外星人的身体毫无特色的环境。另一个潜在的解决方案是结合不同的方法,综述了在这一节中,设计未来的行星WMRs健壮系统高速导航。

表2

表2。摘要流动性和行星WMRs traversability增强方法。

4结论

本文调查了数十名流动分析方法和任务规划的行星WMRs。目前实现测距方法的性能比较这些方法的改进和可能的解决方案进行了探讨。进一步的研究仍是要求提高该方法的实用性和性能。未来的研究方向应该是减少计算负担在嵌入式系统中,使用分布式估计和多向学习技术,发展为行星terramechanics模型接口,设计快速、健壮的应用算法高速行星WMRs运作。

作者的贡献

MZ是主要的贡献者的研究和RC是π,负责监督这项研究。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用

阿里,k . S。Vanelli, c。Biesiadecki, J·J。Maimone, m . W。程,Y。圣·马丁,a . M。,et al。(2005)。”的态度和位置估计火星探测车,”IEEE国际会议系统,人与控制论(IEEE),20-27。

谷歌学术搜索

Angelova,。Matthies, L。Helmick D。Perona一起,p (2007)。从视觉信息的学习和预测。j .领域机器人。24岁,205 - 231。doi: 10.1002 / rob.20179