Curiosity-based Robot Navigation under Uncertainty in Crowded Environments

要約

モバイル ロボットは、空港やショッピング モールなど、大規模で混雑した環境でますます人気が高まっています。しかし、まばらなランドマークや群衆の騒音のため、この環境でのローカリゼーションは大きな課題です。
さらに、人間の快適さを考慮しながら、ロボットが群衆の中で安全にナビゲートすることは信頼できません。
したがって、その環境でローカリゼーションの精度で安全にナビゲートする方法は重要な問題です。
この問題を解決するために、人間の快適さと混雑、ローカリゼーションの不確実性、およびターゲットへのコストを考慮して、効果的なパスを見つけることができる好奇心ベースのフレームワークを提案しました。
提案されたフレームワークには、距離評価モジュール、ポジティブ コンテンツの好奇心 (CPC)、つまり情報が豊富なエリア、およびネガティブ コンテンツの好奇心 (CNC)、つまり混雑したエリアの 3 つの部分が含まれます。
CPC は、リアルタイムの位置特定の不確実性評価が満たされない場合に導入されます。
この要因は、候補軌道に沿った不確実性の伝播によって予測され、ロボットがローカリゼーション参照ランドマークに近づくように誘発します。
ガウス混合モデル (GMM) に基づく人間の快適性と群集密度マップ (HCCDM) を確立して CNC を計算し、ロボットを駆動して群集をバイパスし、人間の快適性を考慮します。
評価は、一連の大規模で混雑した環境で行われます。
結果は、私たちの方法が、ローカリゼーションの不確実性を考慮しながら同時に混雑したエリアを回避できる実行可能なパスを見つけることができることを示しています。

要約(オリジナル)

Mobile robots have become more and more popular in large-scale and crowded environments, such as airports, shopping malls, etc. However, due to sparse landmarks and crowd noise, localization in this environment is a great challenge. Furthermore, it is unreliable for the robot to navigate safely in crowds while considering human comfort. Thus, how to navigate safely with localization precision in that environment is a critical problem. To solve this problem, we proposed a curiosity-based framework that can find an effective path with the consideration of human comfort and crowds, localization uncertainty, and the cost-to-go to the target. Three parts are involved in the proposed framework: the distance assessment module, the Curiosity for Positive Content (CPC), namely information-rich areas, and the Curiosity for Negative Content (CNC), namely crowded areas. CPC is introduced when the real-time localization uncertainty evaluation is not satisfied. This factor is predicted through the propagation of uncertainty along the candidate trajectory to provoke the robot to approach localization-referenced landmarks. The Human Comfort and Crowd Density Map (HCCDM) based on the Gaussian Mixture Model (GMM) is established to calculate CNC, which drives the robot to bypass the crowd and consider human comfort. The evaluation is conducted in a series of large-scale and crowded environments. The results show that our method can find a feasible path that can consider the localization uncertainty while simultaneously avoiding the crowded area.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google