NeuPAN

Planificateur temps réel de bout en bout qui fait correspondre directement les points lidar bruts aux actions du robot

Licence

GPL-3.0

Aperçu

NeuPAN (Neural Proximal Alternating-minimization Network) est un planificateur de navigation robotique de bout en bout, temps réel et sans carte, publié dans IEEE Transactions on Robotics. Il couple un modèle appris de distance point-à-collision avec une optimisation basée modèle résolue par minimisation alternée proximale, faisant correspondre directement les points lidar bruts à des actions sans collision — pas de pipeline perception-vers-planification, pas de carte préconstruite — et il fonctionne sur de vrais robots à entraînement différentiel et Ackermann dans des environnements encombrés et dynamiques.

Les piles de navigation classiques enchaînent des modules de perception, de cartographie et de planification, accumulant latence et erreur à chaque étape. NeuPAN écrase cette chaîne : un problème d'optimisation interprétable couple la dynamique du robot, les limites de commande et les contraintes d'évitement d'obstacles, où les distances aux obstacles proviennent de DUNE, un modèle appris qui encode les points bruts en caractéristiques latentes de distance. Le problème est résolu en ligne par un réseau neuronal de minimisation alternée proximale, atteignant des cadences temps réel sur GPU embarqués tout en conservant le comportement de satisfaction des contraintes de la commande basée modèle. Le dépôt fournit le planificateur complet avec modèles pré-entraînés, des exemples configurés en YAML dans IR-SIM (le simulateur léger de l'auteur, également présent sur cette plateforme), une intégration ROS pour robots réels, et des reproductions des scénarios de l'article, y compris obstacles dynamiques, couloirs étroits et encombrement dense non structuré avec cinématiques à entraînement différentiel et Ackermann.

Pourquoi c'est important

NeuPAN est l'un des premiers planificateurs de bout en bout doté à la fois d'une ossature rigoureuse basée modèle et de déploiements démontrés sur robots réels — publié dans T-RO, il incarne la direction que prend la recherche en navigation : une planification directe du capteur à l'action avec la structure de sécurité de l'optimisation, pas seulement une politique boîte noire.

Le problème résolu

Les pipelines de navigation modulaires ajoutent de la latence et une erreur cumulative entre perception et planification, et peinent dans un encombrement dense et dynamique. NeuPAN planifie directement sur les points bruts en temps réel tout en imposant les contraintes de dynamique et de collision, comblant cet écart sur du matériel réel.

Points clés

• De bout en bout : les points lidar bruts correspondent directement à des actions sans collision — pas de carte préconstruite
• Cœur basé modèle : dynamique, limites de commande et contraintes de collision dans une seule optimisation
• Modèle de distance appris DUNE + solveur de minimisation alternée proximale pour des cadences temps réel
• Déployé sur de vrais robots à entraînement différentiel et Ackermann dans un encombrement dynamique
• Publié dans IEEE Transactions on Robotics ; les exemples de simulation reposent sur IR-SIM

Pour qui

• Chercheurs en navigation explorant la planification de bout en bout
• Ingénieurs en robotique évaluant des planificateurs appris
• Étudiants de troisième cycle étudiant la commande basée optimisation
• Développeurs de robots évoluant dans des espaces encombrés et dynamiques

Limites

• La licence GPL-3.0 restreint la productisation en source fermée
• Requiert PyTorch et bénéficie d'un GPU pour les performances temps réel
• Orienté navigation 2D — pas de planification de vol 3D ni de manipulation
• Code de recherche : l'intégration au-delà des exemples ROS fournis est à la charge de l'utilisateur