An MCTS-DRL Based Obstacle and Occlusion Avoidance Methodology in Robotic Follow-Ahead Applications

要約

私たちは、障害物や遮蔽物の回避という重要な課題に対処するロボット追従アプリケーションのための新しい方法論を提案します。
私たちのアプローチは、周囲の物体によって引き起こされる衝突や遮蔽を確実に回避しながら、ロボットを効果的にナビゲートします。
これを達成するために、私たちは移動ロボットの短期的なナビゲーション目標を生成する高レベルの意思決定アルゴリズムを開発しました。
モンテカルロ ツリー検索は深層強化学習手法と統合されており、意思決定プロセスのパフォーマンスを強化し、より信頼性の高いナビゲーション目標を生成します。
広範な実験と分析を通じて、既存のフォローアヘッド人間追従ロボット手法と比較して、提案したアプローチの有効性と優位性を実証します。
私たちのコードは https://github.com/saharLeisiazar/follow-ahead-ros で入手できます。

要約(オリジナル)

We propose a novel methodology for robotic follow-ahead applications that address the critical challenge of obstacle and occlusion avoidance. Our approach effectively navigates the robot while ensuring avoidance of collisions and occlusions caused by surrounding objects. To achieve this, we developed a high-level decision-making algorithm that generates short-term navigational goals for the mobile robot. Monte Carlo Tree Search is integrated with a Deep Reinforcement Learning method to enhance the performance of the decision-making process and generate more reliable navigational goals. Through extensive experimentation and analysis, we demonstrate the effectiveness and superiority of our proposed approach in comparison to the existing follow-ahead human-following robotic methods. Our code is available at https://github.com/saharLeisiazar/follow-ahead-ros.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google