HPA-MPC: Hybrid Perception-Aware Nonlinear Model Predictive Control for Quadrotors with Suspended Loads

要約

ケーブルで吊り下げられた負荷を備えたクアッドローターは、空中輸送、建設、操作作業に多用途で低コスト、エネルギー効率の高いソリューションを提供します。
ただし、実際の展開はいくつかの課題によって妨げられています。
このシステムは、非線形で作動が不十分であり、たるみと張りのケーブルモードによるハイブリッドダイナミクスが関与し、複雑な構成空間で進化するため、制御が困難です。
さらに、オンボードセンサーと計算を使用して、完全な状態とケーブルのモード遷移をリアルタイムで推定することが重要です。
これらの課題に対処するために、吊り荷を持つクアッドローター用の新しいハイブリッド知覚認識非線形モデル予測制御 (HPA-MPC) 制御アプローチを提案します。
私たちの方法は、完全なハイブリッド システムのダイナミクスを考慮しており、ナビゲーション中にペイロードがロボットのカメラに確実に表示されるようにするための知覚認識コストを含みます。
さらに、完全な状態とハイブリッド ダイナミクスの遷移は、オンボード センサーを使用して推定されます。
実験結果は、私たちのアプローチが、たるみと張りの移行中であっても安定した荷重追跡制御を可能にし、完全にオンボードで動作することを示しています。
この実験では、人間のオペレーターが荷物を操作するときに、知覚認識用語が効果的にペイロードをロボットのカメラの視野内に維持できることも示しています。

要約(オリジナル)

Quadrotors equipped with cable-suspended loads represent a versatile, low-cost, and energy efficient solution for aerial transportation, construction, and manipulation tasks. However, their real-world deployment is hindered by several challenges. The system is difficult to control because it is nonlinear, underactuated, involves hybrid dynamics due to slack-taut cable modes, and evolves on complex configuration spaces. Additionally, it is crucial to estimate the full state and the cable’s mode transitions in real-time using on-board sensors and computation. To address these challenges, we present a novel Hybrid Perception-Aware Nonlinear Model Predictive Control (HPA-MPC) control approach for quadrotors with suspended loads. Our method considers the complete hybrid system dynamics and includes a perception-aware cost to ensure the payload remains visible in the robot’s camera during navigation. Furthermore, the full state and hybrid dynamics’ transitions are estimated using onboard sensors. Experimental results demonstrate that our approach enables stable load tracking control, even during slack-taut transitions, and operates entirely onboard. The experiments also show that the perception-aware term effectively keeps the payload in the robot’s camera field of view when a human operator interacts with the load.

arxiv情報

著者 Mrunal Sarvaiya,Guanrui Li,Giuseppe Loianno
発行日 2024-11-18 19:13:06+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | コメントする

Reinforcement Learning-Based Model Matching to Reduce the Sim-Real Gap in COBRA

要約

この論文では、COBRA と呼ばれるヘビ ロボットのダイナミクスの精度を向上させることを目的とした強化学習ベースのモデル同定手法を採用しています。
提案されたアプローチは、勾配情報と反復最適化を活用し、実験データとシミュレーションデータを使用して、摩擦係数やアクチュエータパラメータなどの COBRA の動的モデルのパラメータを改良します。
ハードウェア プラットフォームでの実験的検証により、提案されたアプローチの有効性が実証され、ロボット実装におけるシミュレーションと実際のギャップに対処できる可能性が強調されています。

要約(オリジナル)

This paper employs a reinforcement learning-based model identification method aimed at enhancing the accuracy of the dynamics for our snake robot, called COBRA. Leveraging gradient information and iterative optimization, the proposed approach refines the parameters of COBRA’s dynamical model such as coefficient of friction and actuator parameters using experimental and simulated data. Experimental validation on the hardware platform demonstrates the efficacy of the proposed approach, highlighting its potential to address sim-to-real gap in robot implementation.

arxiv情報

著者 Adarsh Salagame,Harin Kumar Nallaguntla,Bardia Ardakanian,Eric Sihite,Gunar Schirner,Alireza Ramezani
発行日 2024-11-18 19:28:07+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | コメントする

On-the-Go Path Planning and Repair in Static and Dynamic Scenarios

要約

ロボットやドローンなどの自律システムは、動的な環境、特に障害物、交通量の変動、歩行者の活動が常に変化する都市環境内を移動する際に、重大な課題に直面します。
ポテンシャル関数を使用する波面プランナーや勾配降下プランナーなどの従来の動作計画アルゴリズムは、静的な環境ではうまく機能しますが、環境が継続的に変化する状況では不十分です。
この研究では、自律システム向けに特別に設計された動的でリアルタイムの経路計画アプローチを提案し、静的障害物と動的障害物を効果的に回避できるようにして、全体的な適応性を高めます。
このアプローチは、従来のプランナーの効率性と、移動する障害物や環境の変化に応じて迅速に調整を行う機能を統合します。
この記事で説明するシミュレーション結果は、提案された方法の有効性を示しており、移動体、エージェント、または潜在的な脅威が関与する環境を含む、既知および未知の環境の両方におけるロボットの経路計画への適合性を示しています。

要約(オリジナル)

Autonomous systems, including robots and drones, face significant challenges when navigating through dynamic environments, particularly within urban settings where obstacles, fluctuating traffic, and pedestrian activity are constantly shifting. Although, traditional motion planning algorithms like the wavefront planner and gradient descent planner, which use potential functions, work well in static environments, they fall short in situations where the environment is continuously changing. This work proposes a dynamic, real-time path planning approach specifically designed for autonomous systems, allowing them to effectively avoid static and dynamic obstacles, thereby enhancing their overall adaptability. The approach integrates the efficiency of conventional planners with the ability to make rapid adjustments in response to moving obstacles and environmental changes. The simulation results discussed in this article demonstrate the effectiveness of the proposed method, demonstrating its suitability for robotic path planning in both known and unknown environments, including those involving mobile objects, agents, or potential threats.

arxiv情報

著者 Daniel Ajeleye
発行日 2024-11-18 19:55:43+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY | コメントする

Fast Convergence of Softmax Policy Mirror Ascent

要約

自然ポリシー勾配 (NPG) は一般的なポリシー最適化アルゴリズムであり、確率空間におけるミラー上昇とみなすことができます。
最近、Vaswani ら。
[2021] は、ロジットの双対空間におけるミラーアセントに対応するポリシー勾配法を導入しました。
このアルゴリズムを改良して、アクション全体にわたる正規化の必要性を取り除き、結果として得られるメソッド (SPMA と呼ばれます) を分析します。
表形式 MDP の場合、一定ステップ サイズの SPMA が NPG の線形収束と一致し、一定ステップ サイズ (加速された) ソフトマックス ポリシー勾配よりも高速な収束を達成することを証明します。
大規模な状態アクション空間を処理するために、対数線形ポリシー パラメータ化を使用するように SPMA を拡張します。
NPG の場合とは異なり、SPMA を線形関数近似 (FA) 設定に一般化するには、互換性のある関数近似は必要ありません。
NPG を実際に一般化した MDPO とは異なり、線形 FA を使用する SPMA では、凸ソフトマックス分類問題を解くだけで済みます。
SPMA が最適値関数の近傍への線形収束を達成することを証明します。
SPMA を拡張して非線形 FA を処理し、MuJoCo および Atari ベンチマークでの経験的パフォーマンスを評価します。
私たちの結果は、SPMA が MDPO、PPO、TRPO と比較して一貫して同等以上のパフォーマンスを達成していることを示しています。

要約(オリジナル)

Natural policy gradient (NPG) is a common policy optimization algorithm and can be viewed as mirror ascent in the space of probabilities. Recently, Vaswani et al. [2021] introduced a policy gradient method that corresponds to mirror ascent in the dual space of logits. We refine this algorithm, removing its need for a normalization across actions and analyze the resulting method (referred to as SPMA). For tabular MDPs, we prove that SPMA with a constant step-size matches the linear convergence of NPG and achieves a faster convergence than constant step-size (accelerated) softmax policy gradient. To handle large state-action spaces, we extend SPMA to use a log-linear policy parameterization. Unlike that for NPG, generalizing SPMA to the linear function approximation (FA) setting does not require compatible function approximation. Unlike MDPO, a practical generalization of NPG, SPMA with linear FA only requires solving convex softmax classification problems. We prove that SPMA achieves linear convergence to the neighbourhood of the optimal value function. We extend SPMA to handle non-linear FA and evaluate its empirical performance on the MuJoCo and Atari benchmarks. Our results demonstrate that SPMA consistently achieves similar or better performance compared to MDPO, PPO and TRPO.

arxiv情報

著者 Reza Asad,Reza Babanezhad,Issam Laradji,Nicolas Le Roux,Sharan Vaswani
発行日 2024-11-18 20:27:13+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, cs.RO | コメントする

Irrotational Contact Fields

要約

我々は、最大散逸の原理とともにクーロンの摩擦の法則と組み合わせたハント&クロスリーのような実験的に検証されたモデルを組み込んだ、複雑な接触モデルの凸近似を生成するためのフレームワークを提案します。
私たちのアプローチは、幅広い剛性値にわたって堅牢であり、従順な表面と剛体近似の両方に適しています。
これらの近似をさまざまなテスト ケースにわたって評価し、特性と制限を詳しく説明します。
私たちは、オープンソースのロボティクス ツールキットである Drake に完全に微分可能なソリューションを実装しています。
当社の新しいハイブリッド アプローチにより、接触解像度からの因数分解を再利用しながら、複雑な幾何学モデルの勾配の計算が可能になります。
私たちは、正確に解決されたスティクションと接触の遷移を備えたインタラクティブなレートでのロボットタスクの堅牢なシミュレーションを実証し、効果的なシミュレーションからリアルへの移行をサポートします。

要約(オリジナル)

We present a framework for generating convex approximations of complex contact models, incorporating experimentally validated models like Hunt & Crossley coupled with Coulomb’s law of friction alongside the principle of maximum dissipation. Our approach is robust across a wide range of stiffness values, making it suitable for both compliant surfaces and rigid approximations. We evaluate these approximations across a wide variety of test cases, detailing properties and limitations. We implement a fully differentiable solution in the open-source robotics toolkit, Drake. Our novel hybrid approach enables computation of gradients for complex geometric models while reusing factorizations from contact resolution. We demonstrate robust simulation of robotic tasks at interactive rates, with accurately resolved stiction and contact transitions, supporting effective sim-to-real transfer.

arxiv情報

著者 Alejandro Castro,Xuchen Han,Joseph Masterjohn
発行日 2024-11-18 20:32:39+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CE, cs.RO, math-ph, math.MP | コメントする

Simultaneous Ground Reaction Force and State Estimation via Constrained Moving Horizon Estimation

要約

正確な地面反力 (GRF) 推定により、現実世界のさまざまなアプリケーションにおける脚式ロボットの適応性が大幅に向上します。
たとえば、推定された GRF と接触運動学を使用した移動制御と計画は、ロボットが不確実な地形を克服するのを支援します。
非線形オブザーバーとして定式化された標準的な運動量ベースの方法は、ノイズの多い測定と、浮動基本状態と一般化された運動量ダイナミクスの間の依存性に完全には対処していません。
この論文では、脚式ロボットの地面反力と状態を同時に推定するフレームワークを紹介します。このフレームワークは、センサーのノイズと状態とダイナミクスの間の結合に体系的に対処します。
フローティングベースの向きを個別に推定し、分散型移動水平推定 (MHE) メソッドを実装して、ロボットのダイナミクス、固有受容センサー、外受容センサー、および確定的な接触相補性制約を凸ウィンドウ最適化で融合します。
提案された手法は、オープンソースの教育用平面二足歩行ロボット STRIDE や四足歩行ロボット Unitree Go1 など、いくつかの脚式ロボットに対して、周波数 200Hz、過去時間ウィンドウ 0.04 秒で正確な GRF と状態推定を提供できることが示されています。

要約(オリジナル)

Accurate ground reaction force (GRF) estimation can significantly improve the adaptability of legged robots in various real-world applications. For instance, with estimated GRF and contact kinematics, the locomotion control and planning assist the robot in overcoming uncertain terrains. The canonical momentum-based methods, formulated as nonlinear observers, do not fully address the noisy measurements and the dependence between floating base states and the generalized momentum dynamics. In this paper, we present a simultaneous ground reaction force and state estimation framework for legged robots, which systematically addresses the sensor noise and the coupling between states and dynamics. With the floating base orientation estimated separately, a decentralized Moving Horizon Estimation (MHE) method is implemented to fuse the robot dynamics, proprioceptive sensors, exteroceptive sensors, and deterministic contact complementarity constraints in a convex windowed optimization. The proposed method is shown to be capable of providing accurate GRF and state estimation on several legged robots, including the open-source educational planar bipedal robot STRIDE and quadrupedal robot Unitree Go1, with a frequency of 200Hz and a past time window of 0.04s.

arxiv情報

著者 Jiarong Kang,Xiaobin Xiong
発行日 2024-11-18 20:34:32+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | コメントする

Homeostatic motion planning with innate physics knowledge

要約

生物は閉ループ方式で周囲と相互作用し、感覚入力が行動の開始と終了を決定します。
単純な動物でも複雑な計画を立てて実行することができますが、これは純粋な閉ループ入力制御を使用するロボット工学ではまだ再現されていません。
我々は、それぞれが閉ループの動作を表す、「タスク」と呼ばれる個別の一時的な閉ループ コントローラーのセットを定義することによって、この問題の解決策を提案します。
さらに、物理学と因果関係を本質的に理解する監視モジュールを導入します。これにより、時間の経過に伴うタスク シーケンスの実行をシミュレートし、結果を環境モデルに保存できます。
このモデルに基づいて、一時的な閉ループ コントローラーをチェーンすることによって計画を立てることができます。
提案されたフレームワークは実際のロボットに実装され、概念実証として 2 つのシナリオでテストされました。

要約(オリジナル)

Living organisms interact with their surroundings in a closed-loop fashion, where sensory inputs dictate the initiation and termination of behaviours. Even simple animals are able to develop and execute complex plans, which has not yet been replicated in robotics using pure closed-loop input control. We propose a solution to this problem by defining a set of discrete and temporary closed-loop controllers, called ‘tasks’, each representing a closed-loop behaviour. We further introduce a supervisory module which has an innate understanding of physics and causality, through which it can simulate the execution of task sequences over time and store the results in a model of the environment. On the basis of this model, plans can be made by chaining temporary closed-loop controllers. The proposed framework was implemented for a real robot and tested in two scenarios as proof of concept.

arxiv情報

著者 Giulia Lafratta,Bernd Porr,Christopher Chandler,Alice Miller
発行日 2024-11-18 20:54:06+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO, cs.SY, eess.SY | コメントする

LiDAR-BEVMTN: Real-Time LiDAR Bird’s-Eye View Multi-Task Perception Network for Autonomous Driving

要約

LiDAR は、自動運転における堅牢な 3D シーン認識に不可欠です。
LiDAR 認識には、カメラ認識に次いで最大の文献があります。
ただし、LiDAR を使用した検出、セグメンテーション、動き推定などのタスクにわたるマルチタスク学習は、特に自動車グレードの組み込みプラットフォームでは比較的未開発のままです。
LiDAR ベースの物体検出、セマンティクス、およびモーション セグメンテーションのためのリアルタイム マルチタスク畳み込みニューラル ネットワークを紹介します。
統合アーキテクチャは共有エンコーダとタスク固有のデコーダで構成され、共同表現学習を可能にします。
我々は、物体検出を改善するために意味論的特徴を選択的に転送するための新しい意味論的重み付けおよびガイダンス(SWAG)モジュールを提案します。
私たちの異種トレーニング スキームは、多様なデータセットを組み合わせ、タスク間の補完的な手がかりを活用します。
この研究は、LiDAR 点群からのこれらの主要な認識タスクを統合する最初の組み込み実装を提供し、組み込み NVIDIA Xavier プラットフォーム上で 3 ミリ秒の遅延を実現します。
セマンティック セグメンテーションとモーション セグメンテーションという 2 つのタスクで最先端の結果を達成し、3D オブジェクト検出では最先端に近いパフォーマンスを実現します。
ハードウェア効率を最大化し、マルチタスクの相乗効果を活用することで、私たちの方法は、現実世界の自動運転展開に合わせて調整された正確で効率的なソリューションを提供します。
定性的な結果は https://youtu.be/H-hWRzv2lIY でご覧いただけます。

要約(オリジナル)

LiDAR is crucial for robust 3D scene perception in autonomous driving. LiDAR perception has the largest body of literature after camera perception. However, multi-task learning across tasks like detection, segmentation, and motion estimation using LiDAR remains relatively unexplored, especially on automotive-grade embedded platforms. We present a real-time multi-task convolutional neural network for LiDAR-based object detection, semantics, and motion segmentation. The unified architecture comprises a shared encoder and task-specific decoders, enabling joint representation learning. We propose a novel Semantic Weighting and Guidance (SWAG) module to transfer semantic features for improved object detection selectively. Our heterogeneous training scheme combines diverse datasets and exploits complementary cues between tasks. The work provides the first embedded implementation unifying these key perception tasks from LiDAR point clouds achieving 3ms latency on the embedded NVIDIA Xavier platform. We achieve state-of-the-art results for two tasks, semantic and motion segmentation, and close to state-of-the-art performance for 3D object detection. By maximizing hardware efficiency and leveraging multi-task synergies, our method delivers an accurate and efficient solution tailored for real-world automated driving deployment. Qualitative results can be seen at https://youtu.be/H-hWRzv2lIY.

arxiv情報

著者 Sambit Mohapatra,Senthil Yogamani,Varun Ravi Kumar,Stefan Milz,Heinrich Gotzig,Patrick Mäder
発行日 2024-11-18 21:51:16+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO | コメントする

SAFE-GIL: SAFEty Guided Imitation Learning for Robotic Systems

要約

行動クローニング (BC) は、模倣学習で広く使用されているアプローチであり、ロボットが専門のスーパーバイザーを観察することで制御ポリシーを学習します。
ただし、学習されたポリシーではエラーが発生し、安全性違反につながる可能性があるため、安全性が重要なロボット アプリケーションでの有用性は制限されます。
これまでの研究では、追加の実際または合成アクション ラベル、敵対的トレーニング、または実行時フィルタリングを通じて BC ポリシーの改善を試みてきましたが、トレーニング中の BC ポリシーの安全性違反の削減に明示的に焦点を当てたものはありませんでした。
私たちは、安全性を意識した動作の複製ポリシーを学習するための設計時手法である SAFE-GIL を提案します。
SAFE-GIL は、データ収集中にシステムに敵対的な妨害を意図的に注入して、専門家を安全性が重要な状態に誘導します。
この妨害注入は、システムがテスト中に遭遇する可能性のある潜在的なポリシー エラーをシミュレートします。
安全性が重要な状態での専門家の行動をトレーニングでより厳密に再現することで、テスト中にポリシーのエラーがあったにもかかわらず、私たちのアプローチはより安全なポリシーを実現します。
我々はさらに、この敵対的妨害を計算するための到達可能性ベースの方法を開発します。
私たちは、自律地上ナビゲーション、航空機のタキシング、クアッドローター テストベッドでの空中ナビゲーションの 3 つの領域で、SAFE-GIL をさまざまな動作クローン技術およびオンライン安全フィルタリング手法と比較します。
私たちの方法は、特に学習エラー、したがって安全違反の可能性が高い低データ領域において、安全性の失敗が大幅に減少することを示しています。
私たちのウェブサイトはこちらからご覧ください: https://y-u-c.github.io/safegil/

要約(オリジナル)

Behavior cloning (BC) is a widely-used approach in imitation learning, where a robot learns a control policy by observing an expert supervisor. However, the learned policy can make errors and might lead to safety violations, which limits their utility in safety-critical robotics applications. While prior works have tried improving a BC policy via additional real or synthetic action labels, adversarial training, or runtime filtering, none of them explicitly focus on reducing the BC policy’s safety violations during training time. We propose SAFE-GIL, a design-time method to learn safety-aware behavior cloning policies. SAFE-GIL deliberately injects adversarial disturbance in the system during data collection to guide the expert towards safety-critical states. This disturbance injection simulates potential policy errors that the system might encounter during the test time. By ensuring that training more closely replicates expert behavior in safety-critical states, our approach results in safer policies despite policy errors during the test time. We further develop a reachability-based method to compute this adversarial disturbance. We compare SAFE-GIL with various behavior cloning techniques and online safety-filtering methods in three domains: autonomous ground navigation, aircraft taxiing, and aerial navigation on a quadrotor testbed. Our method demonstrates a significant reduction in safety failures, particularly in low data regimes where the likelihood of learning errors, and therefore safety violations, is higher. See our website here: https://y-u-c.github.io/safegil/

arxiv情報

著者 Yusuf Umut Ciftci,Darren Chiu,Zeyuan Feng,Gaurav S. Sukhatme,Somil Bansal
発行日 2024-11-19 00:05:02+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO, cs.SY, eess.SY | コメントする

HEIGHT: Heterogeneous Interaction Graph Transformer for Robot Navigation in Crowded and Constrained Environments

要約

私たちは、廊下や家具などの環境上の制約がある密集したインタラクティブな群衆におけるロボットのナビゲーションの問題を研究します。
これまでの方法では、エージェントと障害物間のあらゆる種類の相互作用が考慮されておらず、ロボットの経路が安全でなく非効率なものになってしまいました。
この記事では、混雑した制約されたシナリオのグラフベースの表現を活用し、深層強化学習でロボットのナビゲーション ポリシーを学習するための構造化フレームワークを提案します。
まず、環境内のさまざまなコンポーネントの表現を分割し、人間、ロボット、障害物間の異なる相互作用をモデル化するための異種時空間 (st) グラフを提案します。
異種の st グラフに基づいて、空間と時間を介してエンティティ間の異種の相互作用を捕捉するためのさまざまなコンポーネントを備えた新しいナビゲーション ポリシー ネットワーク アーキテクチャである HEIGHT を提案します。
HEIGHT は、アテンション メカニズムを利用して重要なインタラクションに優先順位を付け、リカレント ネットワークを利用して動的シーンの変化を時間の経過とともに追跡し、ロボットが適応的に衝突を回避できるように促します。
広範なシミュレーションと実際の実験を通じて、HEIGHT が困難なナビゲーション シナリオにおける成功と効率の点で最先端のベースラインを上回っていることを実証しました。
さらに、人間や障害物の密度が変化した場合に、私たちのパイプラインが以前の研究よりも優れたゼロショット汎化能力を達成することを実証します。
その他のビデオは https://sites.google.com/view/crowdnav-height/home でご覧いただけます。

要約(オリジナル)

We study the problem of robot navigation in dense and interactive crowds with environmental constraints such as corridors and furniture. Previous methods fail to consider all types of interactions among agents and obstacles, leading to unsafe and inefficient robot paths. In this article, we leverage a graph-based representation of crowded and constrained scenarios and propose a structured framework to learn robot navigation policies with deep reinforcement learning. We first split the representations of different components in the environment and propose a heterogeneous spatio-temporal (st) graph to model distinct interactions among humans, robots, and obstacles. Based on the heterogeneous st-graph, we propose HEIGHT, a novel navigation policy network architecture with different components to capture heterogeneous interactions among entities through space and time. HEIGHT utilizes attention mechanisms to prioritize important interactions and a recurrent network to track changes in the dynamic scene over time, encouraging the robot to avoid collisions adaptively. Through extensive simulation and real-world experiments, we demonstrate that HEIGHT outperforms state-of-the-art baselines in terms of success and efficiency in challenging navigation scenarios. Furthermore, we demonstrate that our pipeline achieves better zero-shot generalization capability than previous works when the densities of humans and obstacles change. More videos are available at https://sites.google.com/view/crowdnav-height/home.

arxiv情報

著者 Shuijing Liu,Haochen Xia,Fatemeh Cheraghi Pouria,Kaiwen Hong,Neeloy Chakraborty,Katherine Driggs-Campbell
発行日 2024-11-19 00:56:35+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, cs.RO | コメントする