Social Robot Navigation through Constrained Optimization: a Comparative Study of Uncertainty-based Objectives and Constraints

要約

この研究は、人間の動作予測の不確実性推定を、ソーシャル ロボット ナビゲーション用のモデル予測制御 (MPC) などの制約付き最適化手法にどのように組み込むことができるかの研究に特化しています。
歩行者の位置の予測の不確実性から得られ、MPC に適用できる衝突の確率に関連するいくつかのコスト目標と制約関数を提案します。また、さまざまなバリアントすべてが、複数のエージェントによる困難なシーンで比較されます。
この論文が答えようとしている主な質問は、ソーシャル MPC にとって最も重要な不確実性に基づく基準は何なのかということです。
そのために、再現可能な合成環境におけるさまざまな複雑さの広範なシナリオのセットで、いくつかのソーシャル ナビゲーション メトリクスを使用して、提案されたアプローチを評価します。
私たちの研究の主な成果は、実際にソーシャル ロボット ナビゲーションのための不確実性を考慮したアプローチをいつどのように使用するか、また最も効果的な基準は何かに関する実践的なガイドの基礎となります。

要約(オリジナル)

This work is dedicated to the study of how uncertainty estimation of the human motion prediction can be embedded into constrained optimization techniques, such as Model Predictive Control (MPC) for the social robot navigation. We propose several cost objectives and constraint functions obtained from the uncertainty of predicting pedestrian positions and related to the probability of the collision that can be applied to the MPC, and all the different variants are compared in challenging scenes with multiple agents. The main question this paper tries to answer is: what are the most important uncertainty-based criteria for social MPC? For that, we evaluate the proposed approaches with several social navigation metrics in an extensive set of scenarios of different complexity in reproducible synthetic environments. The main outcome of our study is a foundation for a practical guide on when and how to use uncertainty-aware approaches for social robot navigation in practice and what are the most effective criteria.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google