Development of off-road autonomy for unmanned ground vehicles

Ubemannede bakkekjøretøy (unmanned ground vehicles – UGV-er) blir i stadig større grad
anerkjent som verktøy som kan styrke militære operasjoner ved å redusere risikoen for personell.
Autonome funksjoner om bord på UGV-er kan ytterligere øke nytteverdien ved å redusere
belastningen på UGV-operatørene og muliggjøre flere evner til å løse oppdrag.
Denne rapporten beskriver utviklingen av et modulært autonomisystem for UGV-er og evalueringen
av dette gjennom eksperimenter i terreng utenfor vei. Autonomisystemet integrerer tre
kjernefunksjoner – persepsjon, bevegelsesplanlegging og banefølging – implementert på vår
Milrem Themis-plattform, Tor. Autonomisystemet baserer seg på sensorer om bord og lokal
kartlegging for å navigere uten forhåndsdefinerte ruter eller presis satellittposisjonering, med
mål om å løse den grunnleggende utfordringen med autonom fremkommelighet i terreng.
For å måle ytelse har vi definert et sett med referanseruter som representerer ulike terrengtyper,
fra åpne områder og grusveier til smale stier og skog. Disse rutene fungerer som standardiserte
testscenarioer for å vurdere autonomiytelse og identifisere systemets begrensninger. Vi har
gjennomført eksperimenter for å evaluere vårt autonomisystem på LandX-demonstrasjonene og i
langdistanseforsøk. Eksperimentene viste at Tor med vårt autonomisystem kan navigere vellykket
i enkle miljøer som åpent terreng og brede kjørespor, men har utfordringer i komplekse scenarioer
med tett vegetasjon og smale passasjer. Viktige begrensninger inkluderer mangel på semantisk
terrengklassifisering og robust beslutningstaking i utfordrende situasjoner. Forutsigbarhet og
pålitelighet er fortsatt store utfordringer, med beslutninger som av og til påvirkes av tilfeldigheter
i stedet for konsistent logikk.
Selv om systemet vårt ennå ikke er klart for operativ bruk, gir det et solid grunnlag for videre
forskning og eksperimentering. Referanserutene og evalueringsmetodikken gir en repeterbar
ramme for å måle fremgang og sikre at fremtidige iterasjoner beveger seg nærmere det endelige
målet: UGV-er som kan operere effektivt og autonomt i krevende miljøer.