Control-Barrier-Aided Teleoperation with Visual-Inertial SLAM for Safe MAV Navigation in Complex Environments

📄 arXiv: 2403.04331v1 📥 PDF

作者: Siqi Zhou, Sotiris Papatheodorou, Stefan Leutenegger, Angela P. Schoellig

分类: cs.RO

发布日期: 2024-03-07

备注: Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2024, 7 pages, 7 figures, supplementary video is available at https://youtu.be/rCxbWY4PIfQ?si=DC-9mg7g1WooNdaV

DOI: 10.1109/ICRA57147.2024.10611280

💡 一句话要点

提出感知安全过滤器以解决复杂环境中MAV安全导航问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 微型无人机 远程操作 视觉惯性SLAM 控制障碍函数 安全导航 环境映射 自主系统

📋 核心要点

  1. 现有的远程操作无人机系统在复杂环境中面临安全性挑战，尤其是对于非专家操作员。
  2. 本文提出了一种结合CBFs和VI-SLAM的感知安全过滤器，能够实时修正不安全的远程操作输入。
  3. 实验结果表明，系统能够在未知环境中安全导航，且无需外部基础设施，提升了操作的安全性和可靠性。

📝 摘要（中文）

本文考虑了一种由非专家远程操作的微型无人机（MAV）系统，提出了一种感知安全过滤器，该过滤器结合了控制障碍函数（CBFs）、视觉惯性同时定位与地图构建（VI-SLAM）和密集3D占用地图，确保在复杂和非结构化环境中的安全导航。系统仅依赖于机载IMU测量、立体红外图像和深度图像，并在输入被认为不安全时自动修正远程操作输入。我们定义3D空间中的点为不安全，如果它满足两个条件之一：被障碍物占据或未被映射。每个时间步，VI-SLAM通过融合机载测量更新环境的占用图，并构建CBF以参数化3D空间中的（不）安全区域。与现有的基于感知的安全控制框架相比，我们直接闭合感知-动作循环，展示了安全控制与实时VI-SLAM的完全能力，而无需任何外部基础设施或环境的先验知识。我们通过仅使用机载传感和计算验证了感知安全过滤器在实时MAV实验中的有效性，表明远程操作的MAV能够在未知环境中安全导航，尽管远程操作员发送了任意输入。

🔬 方法详解

问题定义：本文旨在解决非专家远程操作的微型无人机在复杂环境中导航时的安全性问题。现有方法通常依赖于外部传感器或环境先验知识，限制了其在未知环境中的应用。

核心思路：论文提出的感知安全过滤器结合了控制障碍函数和视觉惯性SLAM，通过实时更新环境占用图来确保无人机的安全导航。该设计使得无人机能够在没有外部基础设施的情况下，自动修正不安全的操作输入。

技术框架：整体架构包括三个主要模块：1) VI-SLAM模块负责环境的实时映射和状态反馈；2) CBF模块用于定义安全区域；3) 安全过滤器根据CBF和VI-SLAM反馈计算安全的参考输入。

关键创新：最重要的创新在于直接闭合感知-动作循环，允许无人机在复杂环境中实时安全导航，而无需依赖外部信息或先验知识。这一方法显著提高了无人机的自主性和安全性。

关键设计：关键设计包括使用机载IMU、立体红外图像和深度图像进行数据融合，构建动态的3D占用图，并通过CBF参数化安全区域。系统的安全过滤器能够在每个时间步实时计算最优的安全输入，确保无人机的安全性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，使用该感知安全过滤器的MAV能够在未知环境中安全导航，尽管远程操作员发送了任意输入。相比于传统方法，系统在安全性和自主性方面有显著提升，能够有效应对复杂环境中的挑战。

🎯 应用场景

该研究的潜在应用领域包括无人机在灾后救援、环境监测和农业喷洒等复杂环境中的自主导航。通过提高无人机的安全性和自主性，能够显著提升其在实际应用中的效率和可靠性，推动无人机技术的广泛应用。

📄 摘要（原文）

In this paper, we consider a Micro Aerial Vehicle (MAV) system teleoperated by a non-expert and introduce a perceptive safety filter that leverages Control Barrier Functions (CBFs) in conjunction with Visual-Inertial Simultaneous Localization and Mapping (VI-SLAM) and dense 3D occupancy mapping to guarantee safe navigation in complex and unstructured environments. Our system relies solely on onboard IMU measurements, stereo infrared images, and depth images and autonomously corrects teleoperated inputs when they are deemed unsafe. We define a point in 3D space as unsafe if it satisfies either of two conditions: (i) it is occupied by an obstacle, or (ii) it remains unmapped. At each time step, an occupancy map of the environment is updated by the VI-SLAM by fusing the onboard measurements, and a CBF is constructed to parameterize the (un)safe region in the 3D space. Given the CBF and state feedback from the VI-SLAM module, a safety filter computes a certified reference that best matches the teleoperation input while satisfying the safety constraint encoded by the CBF. In contrast to existing perception-based safe control frameworks, we directly close the perception-action loop and demonstrate the full capability of safe control in combination with real-time VI-SLAM without any external infrastructure or prior knowledge of the environment. We verify the efficacy of the perceptive safety filter in real-time MAV experiments using exclusively onboard sensing and computation and show that the teleoperated MAV is able to safely navigate through unknown environments despite arbitrary inputs sent by the teleoperator.