ロボットオペレーティングシステムフレームワークにおける障害物検出と回避のための改善型ハイブリッドモデル (迅速探索ランダムツリーおよび動的ウィンドウアプローチ)

機械学習とロボティクスの統合は、産業におけるモバイルロボットナビゲーションの応用課題に取り組むための有望な可能性をもたらします。実世界の環境は非常に動的で予測不可能であり、効率性と安全性の必要性が高まっています。これには、先進的なセンシング、堅牢な障害物検出、および回避メカニズムを組み合わせた多面的なアプローチが求められます。デフォルトのロボットオペレーティングシステム（ROS）ナビゲーションスタックを使用したハイブリッド手法は、有意な結果を示していますが、リアルタイムおよび非常に動的な環境での性能は依然として課題です。これらの環境は、継続的に変化する条件によって特徴付けられ、障害物検出システムの精度や効率的な回避制御意思決定プロセスに影響を及ぼす可能性があります。これらの課題に応えるために、本論文では、迅速探索ランダムツリー（RRT）統合ROSナビゲーションスタックと事前訓練されたYOLOv7物体検出モデルを組み合わせて、NAV-YOLOシステムにおける開発作業の能力を強化する新しいソリューションを提示します。提案されたアプローチは、YOLOv7障害物検出の高精度とRRTおよび動的ウィンドウアプローチ（DWA）の効率的な経路計画能力を活用して、実世界の複雑で動的に変化する設定におけるモバイルロボットのナビゲーション性能を向上させます。提案されたソリューションの効率を評価するために、広範なシミュレーションおよび実世界のロボットプラットフォーム実験が実施されました。その結果、高度な障害物回避能力が示され、航空環境におけるモバイルロボットナビゲーション操作の安全性と効率性が確保されました。