CMP-IRRT*：结合视觉高度估计的四足机器人自适应规划

摘要

四足机器人可以穿越低障碍物，但许多二维规划管道仍然将障碍物建模为二元占据区域，并依赖基于采样的搜索，这在有限的预算下可能效率低下。我们提出了一种基于 CMP-IRRT* 的感知辅助高度自适应规划框架，CMP-IRRT* 是 Channel Mamba PointNet 引导的 Informed RRT* 规划器。给定校准的顶视图 RGB 观察结果，感知模块会估计障碍物区域并将深度预测转换为地面相对高度图。然后，规划器执行高度条件碰撞检查，将高障碍物视为被阻挡，同时允许穿越低障碍物，并使用 CMP 指南将采样偏向有希望的区域，同时保留标准自由空间和知情采样回退。 2D 规划基准实验表明，与经典和神经引导基线相比，CMP-IRRT* 减少了探索的节点和迭代，并且受控消融支持基于 Mamba 的引导的贡献。在构建的可遍历性感知场景中，所提出的规划器减少了路径当可穿越低障碍物时，长度最多增加 16.3%，并且 Unitree Go2 演示进一步展示了可执行的绕过和穿越行为。我们的代码可在 https://github.com/MingfanZhao/height-adaptive-planner。上公开获取

CMP-IRRT*：结合视觉高度估计的四足机器人自适应规划：论文原图 — 图 1：拟议的感知辅助可通行性感知规划流程概述。感知模块根据校准的顶视图 RGB 观察来估计障碍物的几何形状。规划模块使用高度条件碰撞检查和 CMP 引导的知情采样来在有限的规划预算下找到低成本路径。执行模块将路径和遍历模式解码为机器人命令。