DARPALAGRプログラム

DARPA_LAGR_Program
地上機(LAGR)プログラムの学習の応用2008年まで、2004年から走った、自律的、内進展の加速の目標は持っていた、認識をベースロボットのオフロードナビゲーション無人地上車両(型UGV)。LAGRは、米国国防総省の研究機関であるDARPAによって資金提供されました。
内容
1 歴史と背景
2 LAGRの目標
3 LAGRプログラムの構造と理論的根拠
4 LAGRチーム
5 LAGR車両
6 科学的結果
7 プログラム管理
8 参考文献
歴史と背景
一方で移動ロボットは(、1960年代から存在していたなどShakey、)自分自身にナビゲートでき、ロボットを作るの進展、屋外では、オフロード、不規則な上、障害物に富んだ地形が遅くなっていました。実際、進捗状況を測定するための明確な指標はありませんでした。オフロード機能のベースラインの理解は、DARPA PerceptORプログラムで明らかになり始めました。このプログラムでは、独立した研究チームが、固定コースでの平均速度と必要なオペレーター介入の数を広く測定した、リハーサルされていない政府のテストでロボット車両をフィールドしました間隔を空けたウェイポイント。これらのテストは、オフロードナビゲーションの極端な課題を明らかにしました。PerceptOR車両には、21世紀初頭の最先端のセンサーとアルゴリズムが搭載されていましたが、知覚技術の範囲が限られていたため、自然の袋小路に閉じ込められていました。さらに、事前に記述された行動に依存しているため、予期しない状況に適応することはできませんでした。全体的な結果として、障害物が最小限の本質的に開いた地形、または未舗装の道路に沿った地形を除いて、PerceptOR車両は、オペレーターの介入を何度も繰り返すことなくナビゲートできませんでした。
LAGRプログラムは、PerceptORテストによって明らかになった技術的課題を克服しようとしながら、PerceptORで開始された方法論に基づいて構築されるように設計されました。
LAGRの目標
LAGRの主な目標は、UGVのオフナビゲーションの進展を加速することでした。追加の相乗的な目標には、(1)非構造化環境で動作する自律型ロボットの進捗状況を測定するためのベンチマーク手法の確立、(2)マシンビジョンの進歩による長距離知覚の実現、(3)能力のある機関や個人の数の増加が含まれます。最前線のUGV研究に貢献する。
LAGRプログラムの構造と理論的根拠
LAGRプログラムは、新しいハードウェアではなく、ロボットの知覚と制御のための新しい科学の開発に焦点を当てるように設計されました。したがって、競争力のあるチームのメンバーであるLAGR研究者に供給され、アルゴリズム開発に集中できるようにする、同一の比較的単純なロボットのフリートを作成することが決定されました。チームにはそれぞれ、標準設計の2台のロボットが与えられました。彼らはこれらのロボットで新しいソフトウェアを開発し、政府のテストチームにコードを送信し、政府のテストチームがさまざまなテストコースで政府のロボットでそのコードをテストしました。これらのコースは全米にあり、以前はチームに知られていませんでした。このようにして、すべてのチームのコードを本質的に同じ状況でテストできます。最初の起動期間の後、コード開発/テストサイクルは毎月約1回繰り返されました。
標準ロボットは、カーネギーメロン大学国立ロボティクスエンジニアリングセンター(CMU NREC)の公式ウェブサイトによって設計および製造されました。車両のコンピューターには、CMU NRECがPerceptORプログラム用に作成したものと本質的に同じシステムであり、LAGRの開始時に最先端のものと見なされていた、モジュール式の「ベースライン」認識およびナビゲーションシステムがプリロードされていました。ベースラインシステムのモジュール性により、研究者はベースラインコードの一部を独自のモジュールに置き換えながら、ナビゲーションシステム全体を最初から作成しなくても完全に機能するシステムを維持できます。したがって、たとえば、他のすべてを固定したまま、独自の障害物検出モジュールのパフォーマンスをベースラインコードのパフォーマンスと比較することができました。ベースラインコードは、固定参照としても機能しました。どの環境でも、プログラムのどの時点でも、チームのコードをベースラインコードと比較できます。この急速なサイクルにより、政府チームとパフォーマーチームは迅速なフィードバックを提供し、政府チームは特定の知覚タスクでパフォーマーに挑戦し、パフォーマーの現在の能力に挑戦する可能性が高いが、圧倒することのないテストコースを設計することができました。チームはすべてのテストで新しいコードを提出する必要はありませんでしたが、通常は提出しました。この余裕にもかかわらず、一部のチームは、迅速なテストサイクルが長期的な進歩に気を散らし、テスト間の間隔を長くすることを好むことに気づきました。
フェーズIIに進むには、各チームがベースラインコードを変更して、政府テストのフェーズIの最後の3つのテストで、チームのコードを実行するロボットが元のベースラインコードを実行する車両よりも平均して少なくとも10%高速になるようにする必要がありました。このやや控えめな「Go / No Go」メトリックは、チームがリスクを伴うが、プログラムの最初の18か月では完全には開発されない可能性のある有望なアプローチを選択できるようにするために選択されました。8つのチームすべてがこの指標を達成し、フェーズIIの目標であった後のテストでベースラインの2倍以上の速度を記録したチームもありました。フェーズIGo / No Goメトリックは、フェーズIIの限られた数のスロットでチームが互いに完了しなかったようなものであったことに注意して8から0までの任意の数のチームが成績を上げることができます。DARPAによるこの戦略は、チーム間の協力とコード共有を促進するように設計されました。
LAGRチーム
LAGRの最初の18か月であるフェーズIでは、8チームがパフォーマーとして選ばれました。チームは、Applied Perception(主任研究者 Mark Ollis)、Georgia Tech(PI Tucker Balch)、Jet Propulsion Laboratory(PI Larry Matthies)、Net-Scale Technologies(PI Urs Muller)、NIST(PI James Albus)、スタンフォード大学(PI Sebastian Thrun)、SRI International(PI Robert Bolles)、ペンシルベニア大学(PI Daniel Lee)。
スタンフォードチームはフェーズIの終わりに辞任し、DARPAグランドチャレンジに注力しました。コロラド大学ボルダー校(PI Greg Grudic)のチームに置き換えられました。また、フェーズIIでは、NISTチームはコンテストへの参加を一時停止し、代わりに各チームの最高のソフトウェア要素を1つのシステムに組み立てることに集中しました。ロジャー・ボステルマンはその努力のPIになりました。
LAGR車両
  LAGR車両。約30本生産されました。高さは約1メートル、重さは約100kgでした。
スーパーマーケットのショッピングカートと同じくらいの大きさのLAGR車両は、簡単に操作できるように設計されています。(コンパニオンDARPAプログラムであるLearning Locomotion は、複雑なモーター制御に対応していました。)バッテリー駆動で、前部に2つの独立して駆動される車椅子モーター、後部に2つのキャスターホイールがありました。前輪が同じ方向に回転すると、ロボットは前進または後進しました。これらの車輪が反対方向に駆動されると、ロボットは回転しました。
LAGR車両の約30

投稿日:
カテゴリー: D