Scenario-Based Motion Planning with Bounded Probability of Collision

要約

ロボットは人間の近くで動作することが多くなり、その複雑な性質により動作計画の問題に不確実性が生じます。
通常、確率的な安全性を保証しながらパフォーマンスを最適化するために、プランナーにチャンス制約が導入されます。
しかし、既存の方法では、計画された軌道の実際の衝突確率は考慮されず、むしろその周縁化、つまり各計画ステップおよび/または動的障害物に対する独立した衝突確率が考慮され、保守的な軌道が得られます。
この問題に対処するために、Safe Horizo​​n MPC と呼ばれる新しいリアルタイム対応手法を導入します。これは、動作計画の期間中、すべての障害物との同時衝突確率を明示的に制限します。
これは、シナリオの最適化と予測制御を使用して、チャンスに制約された計画問題を再定式化することによって実現されます。
私たちの方法は、最先端のアプローチよりも保守的ではなく、障害物の軌道の任意の確率分布に適用でき、計算的に扱いやすく、スケーラブルです。
人間と共有する環境において、移動ロボットと自律走行車を使用して、提案したアプローチを実証します。

要約(オリジナル)

Robots will increasingly operate near humans that introduce uncertainties in the motion planning problem due to their complex nature. Typically, chance constraints are introduced in the planner to optimize performance while guaranteeing probabilistic safety. However, existing methods do not consider the actual probability of collision for the planned trajectory, but rather its marginalization, that is, the independent collision probabilities for each planning step and/or dynamic obstacle, resulting in conservative trajectories. To address this issue, we introduce a novel real-time capable method termed Safe Horizon MPC, that explicitly constrains the joint probability of collision with all obstacles over the duration of the motion plan. This is achieved by reformulating the chance-constrained planning problem using scenario optimization and predictive control. Our method is less conservative than state-of-the-art approaches, applicable to arbitrary probability distributions of the obstacles’ trajectories, computationally tractable and scalable. We demonstrate our proposed approach using a mobile robot and an autonomous vehicle in an environment shared with humans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google