统一自主栈：迈向通用化机器人自主的蓝图
arXiv 论文介绍了统一自主栈（Unified Autonomy Stack），这是一个开源系统级解决方案，能够在多种空中和地面机器人形态上实现弹性自主。其架构围绕三个协同模块：多模态感知、多行为规划与多层安全导航，共同提供全面的任务自主能力。该栈融合 LiDAR、雷达、视觉和惯性传感器数据，实现鲁棒定位与地图构建、语义场景理解、自适应采样规划以及基于控制屏障函数的多层安全导航。已在旋翼机和足式机器人上经过实地测试，验证了在烟雾、复杂几何和高障碍物环境中的性能。
近日，一篇题为《统一自主栈：迈向通用化机器人自主的蓝图》的论文在arXiv上正式发表。该论文由Mihir Dharmadhikari等十位研究人员共同撰写，提出了一个名为“统一自主栈”（Unified Autonomy Stack）的开源系统级解决方案，旨在为不同形态的空中和地面机器人提供高度弹性与通用化的自主能力。
该自主栈的核心架构围绕三个相互协同的模块构建：多模态感知模块、多行为规划模块以及多层安全导航模块。这三个模块紧密配合，共同实现全面的任务自主，使得机器人能够在复杂且动态的环境中独立完成多种作业。
在多模态感知方面，统一自主栈融合了来自LiDAR、雷达、视觉摄像头和惯性测量单元的数据。通过因子图融合技术，系统能够实现鲁棒的实时定位与地图构建，同时支持语义场景理解，让机器人准确感知周围环境。多行为规划模块则采用基于采样的规划方法，可适应不同空间尺度，生成运动轨迹、信息路径以及高效的巡检规划。多层安全导航模块结合了在线重建地图上的路径规划、深度学习驱动的外部感知策略，并利用控制屏障函数构建最后关卡的安全过滤器，确保机器人在任何时候都能安全运行。
该自主栈展现出了多项关键能力，包括在GNSS信号缺失且环境未知或感知退化的情况下实现安全导航、在复杂环境中进行探索、发现未知物体以及执行高效的巡检规划。研究团队分别在旋翼无人机和足式机器人上进行了大量的实地测试。测试环境涵盖了自相似区域、烟雾弥漫的场景、具有复杂几何结构的环境以及障碍物密集的区域。所有测试结果均表明，该自主栈在极具挑战的条件下表现出了稳健的性能。
为了促进该技术的广泛采用与进一步发展，研究人员已将全部实现代码以开源形式发布，并提供了详细的文档、验证数据集和评估数据集。相关资源可通过GitHub仓库获取，同时还有一段视频概述了论文内容及实地实验的精彩片段。统一自主栈的提出，为迈向通用化机器人自主提供了重要蓝图，有望在灾害响应、工业巡检、环境监测等领域发挥重要作用。