Quadruped Obstacle Avoidance and Footstep Planning with Distributed Low-cost Time-of-Flight Sensors

📄 arXiv: 2609.31008v1 📥 PDF

作者: Giammarco Caroleo, Timothée Mahamoodally, Matteo Manzardo, Jin Jin, Marco Pontin, Matias Mattamala, Renato Vidoni, Perla Maiolino, Maurice Fallon

分类: cs.RO

发布日期: 2026-09-25

备注: 8 pages, 11 figures, accepted for publication on IEEE Robotics and Automation Letters (Septemeber 2026)

💡 一句话要点

提出分布式ToF传感器以解决四足机器人障碍物规避问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 四足机器人 时间飞行传感器 障碍物规避 步态规划 环境映射 低成本传感器 自主导航

📋 核心要点

  1. 现有的深度相机和激光雷达传感器在近距离环境映射中存在覆盖不足、成本高和能耗大的问题。
  2. 本研究提出了一种分布式ToF传感器架构，旨在通过分布式布局来克服传统传感器的盲区，实现低成本的近场地形映射。
  3. 实验结果显示，分布式ToF传感器在厘米级局部映射精度上表现可靠，支持有效的障碍物规避和步态规划。

📝 摘要（中文）

四足机器人通常依赖深度相机和激光雷达传感器进行环境映射，但这些传感器在近距离覆盖、成本和能耗方面存在局限。本研究探讨了分布式时间飞行（ToF）传感器作为低成本替代方案的可行性，设计了适用于ANYbotics ANYmal四足机器人的分布式ToF传感架构，并评估了其环境重建精度。结果表明，尽管分辨率较低且测量噪声较高，分布式ToF传感器仍能支持可靠的感知运动，提供厘米级的局部映射精度，且在成本、能耗和系统复杂性上显著优于深度相机。

🔬 方法详解

问题定义：本研究旨在解决四足机器人在近距离环境映射中面临的传感器覆盖不足、成本高和能耗大的问题。现有的深度相机和激光雷达在这些方面存在明显的局限性。

核心思路：论文提出使用分布式时间飞行（ToF）传感器作为低成本替代方案，通过将传感器分布在机器人周围，避免传统传感器的盲区，从而实现有效的环境感知和导航。

技术框架：整体架构包括分布式ToF传感器的布局、数据采集与处理模块、环境重建算法以及障碍物规避与步态规划模块。每个模块协同工作，以实现高效的环境感知。

关键创新：最重要的技术创新在于将分布式ToF传感器应用于四足机器人，尽管其分辨率较低和测量噪声较高，但仍能提供可靠的局部映射精度，显著降低了成本和系统复杂性。

关键设计：在设计中，传感器的布局、数据融合算法和环境重建方法是关键参数。具体的损失函数和网络结构细节尚未明确，但整体设计旨在优化传感器性能与成本之间的平衡。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，分布式ToF传感器在环境重建中能够实现厘米级的局部映射精度，尽管其分辨率和测量噪声较高，但在障碍物规避和步态规划方面表现出色。与传统深度相机相比，该方法在成本、能耗和系统复杂性上均有显著降低。

🎯 应用场景

该研究的潜在应用领域包括自主导航、救援任务和探索等场景，尤其是在复杂或危险的环境中，低成本的传感器解决方案将大大提高四足机器人的实用性和灵活性。未来，分布式ToF传感器的应用可能会扩展到其他类型的机器人和自动化系统中。

📄 摘要（原文）

Quadruped robots typically rely on depth cameras and LiDAR sensors to map their local environment. However, these sensors have limited close-range coverage, are relatively expensive, and consume significant power. This study investigates whether distributed Time-of-Flight (ToF) sensors can serve as a low-cost alternative to depth cameras for near-field terrain mapping for locomotion and local navigation. We designed a distributed ToF sensing architecture for the ANYbotics ANYmal quadruped, assessed its environment reconstruction accuracy, and benchmarked it against depth cameras for terrain mapping and obstacle avoidance. Distributing these sensors around the robot can also avoid the blind spots of traditional sensors. Our results show that, despite their low resolution and higher measurement noise, distributed ToF sensors can support reliable perceptual locomotion with centimeter-level local mapping accuracy. The proposed sensing strategy provides sufficient geometric information for near-field obstacle avoidance and footstep planning, at substantially lower cost, energy consumption, and system complexity than depth cameras.