Integración de un ESDF generado a través de redes neuronales en planificación para robots aéreos

Abstract

Este documento presenta el proceso de diseño y validación de un planificador de trayectorias para drones aéreos basado en un Campo de Distancia Euclídea con Signo (o ESDF, siglas en inglés de Euclidean Signed Distance Field) generado de forma online con ayuda de una red neuronal. Para ello, en primer lugar se detalla la estructura del sistema, que se compone de diversos bloques cuyos objetivos son obtener datos del entorno, procesarlos y utilizarlos para entrenar una red neuronal. Dicha red neuronal proporciona la información necesaria para representar el entorno a partir de los datos de los sensores, la cual se utiliza posteriormente para la planificación de trayectorias en conjunto con un algoritmo de planificación basado en grafos, como es el A*. El sistema se ha desarrollado utilizando ROS (Robot Operating System), habiéndose programado de forma híbrida tanto en C++ como en Python. Los resultados se han obtenido a través de diferentes simulaciones llevadas a cabo con un dron en un entorno real. Para ilustrar los resultados, se han usado herramientas como Gazebo y RViz.

Thisdocument presents the design and validation process of a path planning system for aerial drones based on online generated Euclidean Signed Distance Fields with the help of a neural network. To do this, the structure of the system is first detailed, which is made up of various blocks whose objec tives are to obtain data from the environment, process it and use it to train a neural network. This neural network is then used for trajectory planning in conjunction with a graph-based planning algorithm, such as A*. The system has been developed using ROS (Robot Operating System), having been programmed in a hybrid way in both C++ and Python. The results have been obtained through simulations using ROS, representing the results with Gazebo and RViz.