TRG-planner: Traversal Risk Graph-Based Path Planning in Unstructured Environments for Safe and Efficient Navigation

📄 arXiv: 2501.01806v1 📥 PDF

作者: Dongkyu Lee, I Made Aswin Nahrendra, Minho Oh, Byeongho Yu, Hyun Myung

分类: cs.RO, eess.SY

发布日期: 2025-01-03

备注: Accepted by IEEE RA-L in Dec

💡 一句话要点

提出基于遍历风险图的TRG-planner，用于非结构化环境下的安全高效路径规划。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 路径规划 非结构化环境 遍历风险图 机器人导航 图优化

📋 核心要点

  1. 非结构化环境地形崎岖，自主导航面临风险地形规避和快速安全到达目标的挑战。
  2. 提出遍历风险图（TRG）来表示地形的几何可遍历性，并结合图优化实现安全高效的路径规划。
  3. 实验表明，该方法在安全性、距离效率和处理速度上优于传统方法，并在真实四足机器人上验证。

📝 摘要（中文）

本文提出了一种安全且距离高效的路径规划方法，该方法利用遍历风险图（TRG），这是一种考虑地形几何可遍历性的新型图表示。TRG节点代表地形的稳定性和可达性，而边代表相对遍历风险加权路径候选。此外，TRG以波前传播方式构建并进行分层管理，从而即使在大型环境中也能实现实时规划。最后，我们在TRG上制定了一个图优化问题，引导机器人优先考虑安全和短路径进行导航。与传统方法相比，我们的方法在安全性、距离效率和快速处理时间方面表现出优越性。它还在四足机器人的多个真实实验中得到验证。值得注意的是，TRG-planner作为DreamSTEP团队的自主导航框架的全局路径规划器，赢得了ICRA 2023的四足机器人挑战赛。

🔬 方法详解

问题定义：论文旨在解决非结构化环境中，如山区、洞穴、建筑工地或灾区，机器人自主导航时面临的路径规划问题。现有方法难以兼顾安全性（避免高风险地形）和效率（路径距离短，计算速度快）。传统方法通常依赖于简单的几何表示，无法充分考虑地形的可遍历性，导致规划出的路径可能存在安全隐患或效率低下。

核心思路：论文的核心思路是构建一种新的图表示——遍历风险图（Traversal Risk Graph, TRG），该图能够同时表示地形的稳定性和可达性，并对不同路径的遍历风险进行量化。通过在TRG上进行图优化，可以找到一条在安全性和距离之间取得平衡的路径。这种方法的核心在于将地形的几何信息和遍历风险信息有效地编码到图结构中，从而为路径规划提供更丰富的信息。

技术框架：TRG-planner的整体框架包括以下几个主要阶段：1) TRG构建：以波前传播的方式构建TRG，节点代表地形的稳定性和可达性，边代表路径候选及其遍历风险。TRG采用分层管理，以支持大规模环境下的实时规划。2) 图优化：在构建好的TRG上，定义一个图优化问题，目标是找到一条从起点到终点的路径，该路径在安全性和距离之间取得最佳平衡。优化问题通常包含风险项和距离项，通过调整权重来控制安全性和效率的优先级。3) 路径执行：将优化后的路径发送给机器人，机器人根据路径进行导航。

关键创新：TRG-planner的关键创新在于提出了遍历风险图（TRG）这一新型图表示。与传统的栅格地图或占用地图相比，TRG不仅考虑了地形的几何形状，还考虑了地形的可遍历性和遍历风险。此外，TRG的分层管理和波前传播构建方式，使得该方法能够在大规模环境中实现实时规划。

关键设计：TRG的节点表示地形的稳定性和可达性，可以通过分析地形的坡度、粗糙度等几何特征来确定。边的权重表示路径的遍历风险，可以通过考虑路径的长度、坡度变化、障碍物密度等因素来计算。图优化问题通常采用加权和的形式，将风险项和距离项结合起来。风险项可以采用各种风险度量函数，例如，基于地形坡度的风险函数。距离项可以采用欧几里得距离或路径长度。权重参数用于调整安全性和效率的优先级。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，TRG-planner在安全性、距离效率和处理时间方面均优于传统方法。具体来说，在模拟和真实环境的实验中，TRG-planner能够规划出更安全的路径，减少机器人跌倒或碰撞的风险。同时，TRG-planner规划的路径距离更短，能够更快地到达目标点。此外，TRG-planner的处理速度更快，能够满足实时规划的需求。TRG-planner作为DreamSTEP团队的全局路径规划器，赢得了ICRA 2023的四足机器人挑战赛，进一步验证了其有效性。

🎯 应用场景

TRG-planner在非结构化环境中具有广泛的应用前景，例如：搜救机器人可以在灾区利用该方法规划安全高效的救援路径；农业机器人可以在田地中规划避开障碍物的路径；建筑机器人可以在施工现场规划安全的运输路径；勘探机器人可以在矿山或洞穴中规划探索路径。该研究有助于提升机器人在复杂环境中的自主导航能力，具有重要的实际价值和未来影响。

📄 摘要（原文）

Unstructured environments such as mountains, caves, construction sites, or disaster areas are challenging for autonomous navigation because of terrain irregularities. In particular, it is crucial to plan a path to avoid risky terrain and reach the goal quickly and safely. In this paper, we propose a method for safe and distance-efficient path planning, leveraging Traversal Risk Graph (TRG), a novel graph representation that takes into account geometric traversability of the terrain. TRG nodes represent stability and reachability of the terrain, while edges represent relative traversal risk-weighted path candidates. Additionally, TRG is constructed in a wavefront propagation manner and managed hierarchically, enabling real-time planning even in large-scale environments. Lastly, we formulate a graph optimization problem on TRG that leads the robot to navigate by prioritizing both safe and short paths. Our approach demonstrated superior safety, distance efficiency, and fast processing time compared to the conventional methods. It was also validated in several real-world experiments using a quadrupedal robot. Notably, TRG-planner contributed as the global path planner of an autonomous navigation framework for the DreamSTEP team, which won the Quadruped Robot Challenge at ICRA 2023. The project page is available at https://trg-planner.github.io .