STAG: グリッドベースコストマップからの疎な走行性考慮グラフ表現によるロボットナビゲーション

- 大規模不整地を航行する自律ローバ向けのグローバルプランニング手法。 - 密な grid-based costmap を、地形走破性を考慮した疎なグラフ STAG に変換する。 - STAG は medial-axis によるトポロジカル骨格、均一走破性領域の代表ノード、走破性勾配が強い場所の遷移ノードで構成。 - エッジは幾何と走破性を符号化し、経路長と地形難易度を反映。

- 従来の密な grid 上の探索は、地図領域の拡大に伴い計算コストが増大する。 - STAG は costmap をコンパクトなグラフに変換し、探索を高速化・省メモリ化。 - 合成洞窟地図、鉱山地図、DARPA CERBERUS データセットで比較し、中央値で計画時間を 3.4x〜9.9x 短縮、ピーククエリメモリを 2.1x〜15.4x 削減。 - 経路長差の中央値は -2.9% と +7.6% で、密グリッドの走破性最適性を犠牲にする代わりに高速・省メモリ探索を実現。

- costmap から疎なグラフ STAG を構築する。 - medial-axis に基づくトポロジカル骨格を骨格として利用。 - 均一な走破性を持つ領域を代表ノードで表現。 - 走破性勾配が強い場所に遷移ノードを配置。 - エッジに幾何情報と走破性情報を符号化し、経路長と地形難易度を考慮可能にする。

- 合成洞窟地図、鉱山地図、DARPA CERBERUS データセットを使用。 - 5 つのベンチマークカテゴリ、203 の地図インスタンス、101,200 のクエリで評価。 - STAG 上の A* と密グリッド上の A* を比較。 - 計画時間の中央値、ピーククエリメモリ、経路長差の中央値を指標として検証。

- STAG は密グリッドの走破性最適性を犠牲にする代わりに、高速で省メモリな探索を提供する。 - 経路長差の中央値が -2.9% と +7.6% であることから、最適性と効率のトレードオフが議論の焦点。 - 大規模不整地におけるグローバルプランニングの実用性向上が期待される。 - 他の環境やタスクへの一般化可能性については要旨からは不明。

- DARPA CERBERUS データセットを用いた関連研究。 - medial-axis を利用したトポロジカルプランニング手法。 - grid-based costmap 上の A* 探索の効率化に関する研究。 - 走破性を考慮したグラフベースのナビゲーション手法。