NeuPAN

Echtzeit-Ende-zu-Ende-Planer, der rohe Lidar-Punkte direkt auf Roboteraktionen abbildet

Lizenz

GPL-3.0

Überblick

NeuPAN (Neural Proximal Alternating-minimization Network) ist ein Ende-zu-Ende-Planer für kartenfreie Roboternavigation in Echtzeit, veröffentlicht in den IEEE Transactions on Robotics. Er koppelt ein gelerntes Punkt-zu-Kollision-Distanzmodell mit modellbasierter Optimierung, gelöst per Proximal Alternating Minimization, und bildet rohe Lidar-Punkte direkt auf kollisionsfreie Aktionen ab — keine Perception-zu-Planung-Pipeline, keine vorab erstellte Karte — und läuft auf realen Differentialantriebs- und Ackermann-Robotern in unübersichtlichen, dynamischen Umgebungen.

Konventionelle Navigationsstacks verketten Module für Perzeption, Kartierung und Planung und akkumulieren dabei Latenz und Fehler in jeder Stufe. NeuPAN kollabiert diese Kette: Ein interpretierbares Optimierungsproblem koppelt Roboterdynamik, Stellgrößenbeschränkungen und Hindernisvermeidungs-Constraints, wobei die Hindernisdistanzen von DUNE stammen, einem gelernten Modell, das rohe Punkte in latente Distanzmerkmale kodiert. Das Problem wird online von einem neuronalen Proximal-Alternating-Minimization-Netzwerk gelöst, was Echtzeitraten auf eingebetteten GPUs ermöglicht und zugleich das Constraint-erfüllende Verhalten modellbasierter Regelung bewahrt. Das Repository liefert den vollständigen Planer mit vortrainierten Modellen, YAML-konfigurierte Beispiele in IR-SIM (dem leichtgewichtigen Simulator des Autors, ebenfalls auf dieser Plattform), ROS-Integration für reale Roboter und Reproduktionen der Szenarien aus dem Paper, einschließlich dynamischer Hindernisse, enger Korridore und dichter unstrukturierter Umgebungen mit Differentialantriebs- und Ackermann-Kinematik.

Warum es wichtig ist

NeuPAN ist einer der ersten Ende-zu-Ende-Planer mit sowohl einem rigorosen modellbasierten Rückgrat als auch nachgewiesenen Einsätzen auf realen Robotern — veröffentlicht in T-RO steht er für die Richtung, in die sich die Navigationsforschung bewegt: direkte Sensor-zu-Aktion-Planung mit der Sicherheitsstruktur der Optimierung, nicht bloß eine Blackbox-Policy.

Welches Problem es löst

Modulare Navigationspipelines addieren Latenz und sich verstärkende Fehler zwischen Perzeption und Planung und kämpfen in dichter, dynamischer Unordnung. NeuPAN plant in Echtzeit direkt auf rohen Punkten und erzwingt dabei Dynamik- und Kollisions-Constraints — und schließt diese Lücke auf realer Hardware.

Wichtigste Punkte

• Ende-zu-Ende: rohe Lidar-Punkte werden direkt auf kollisionsfreie Aktionen abgebildet — keine vorab erstellte Karte
• Modellbasierter Kern: Dynamik, Stellgrößenbeschränkungen und Kollisions-Constraints in einer Optimierung
• Gelerntes DUNE-Distanzmodell + Proximal-Alternating-Minimization-Solver für Echtzeitraten
• Eingesetzt auf realen Differentialantriebs- und Ackermann-Robotern in dynamischer Unordnung
• Veröffentlicht in den IEEE Transactions on Robotics; Simulationsbeispiele laufen auf IR-SIM

Für wen

• Navigationsforschende, die Ende-zu-Ende-Planung erkunden
• Robotikingenieure, die gelernte Planer evaluieren
• Graduierte, die optimierungsbasierte Regelung studieren
• Entwickler von Robotern in unübersichtlichen dynamischen Umgebungen

Einschränkungen

• Die GPL-3.0-Lizenz schränkt Closed-Source-Produktisierung ein
• Benötigt PyTorch und profitiert von einer GPU für Echtzeit-Performance
• Fokus auf 2D-Navigation — keine 3D-Flug- oder Manipulationsplanung
• Forschungscode: Integration jenseits der mitgelieferten ROS-Beispiele liegt beim Nutzer