要約
緊急避難は、避難者による緊急の意思決定を含む複雑な状況を表します。
モバイル ロボットは、タイムリーなガイダンスを提供する潜在的なソリューションとして積極的に検討されています。
この作業では、ロボットの小さなグループを使用して大勢の人間の群集を安全な場所に誘導する、ロボット誘導の群集避難問題を研究します。
課題は、マイクロレベルの人間とロボットの相互作用を利用して、ロボットの数を大幅に上回る人口に間接的に影響を与え、集団避難の目的を達成する方法にあります。
この課題に対処するために、私たちは 2 スケール モデリング戦略に従い、人間の動きが他の人間、環境、およびロボットによって局所的にどのように影響を受けるかを明示的に記述する微視的な社会力モデルのファミリーで構成される平均場流体力学モデルを調査します。
、および群衆密度と流速の時間的および空間的進化に関する関連する巨視的方程式。
ロボットのコントローラーを設計して、(未知の動的障害物がある) 環境を自動的に探索して可能な限りカバーするだけでなく、ロボットのリアルタイムのマクロ状態に基づいてローカル ナビゲーション フォース フィールドの方向を動的に調整するようにします。
群衆を安全な場所に誘導します。
提案された避難アルゴリズムの安定性を証明し、一連のシミュレーション (未知の動的障害を含む) を実行して、アルゴリズムのパフォーマンスを検証します。
要約(オリジナル)
Emergency evacuation describes a complex situation involving time-critical decision-making by evacuees. Mobile robots are being actively explored as a potential solution to provide timely guidance. In this work, we study a robot-guided crowd evacuation problem where a small group of robots is used to guide a large human crowd to safe locations. The challenge lies in how to utilize micro-level human-robot interactions to indirectly influence a population that significantly outnumbers the robots to achieve the collective evacuation objective. To address the challenge, we follow a two-scale modeling strategy and explore mean-field hydrodynamic models which consist of a family of microscopic social-force models that explicitly describe how human movements are locally affected by other humans, the environment, and the robots, and associated macroscopic equations for the temporal and spatial evolution of the crowd density and flow velocity. We design controllers for the robots such that they not only automatically explore the environment (with unknown dynamic obstacles) to cover it as much as possible but also dynamically adjust the directions of their local navigation force fields based on the real-time macro-states of the crowd to guide the crowd to a safe location. We prove the stability of the proposed evacuation algorithm and conduct a series of simulations (involving unknown dynamic obstacles) to validate the performance of the algorithm.
arxiv情報
著者 | Tongjia Zheng,Zhenyuan Yuan,Mollik Nayyar,Alan R. Wagner,Minghui Zhu,Hai Lin |
発行日 | 2023-02-28 16:51:56+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google