Model Checking for Closed-Loop Robot Reactive Planning

要約

この論文では、差し迫った危険を回避できるように、差動駆動車輪付きロボットの多段階計画を作成するためにモデル検査を使用する方法を示します。
小規模な目的に構築されたモデルチェックアルゴリズムをその場で使用し、単純な生物学的因子の自己中心的な反応反応を反映する方法でリアルタイムで計画を生成します。
私たちのアプローチは、自律エージェントの好ましい動作 (または休止状態) を妨害するローカル環境の妨害を排除するために生成される一時的な制御システムの連鎖に基づいています。
この方法には、周囲の環境における限定された確率的変動に敏感な 2D LiDAR データの新しい離散化が含まれます。
最初のテスト ケースとして袋小路シナリオを使用し、前方深さ優先探索による不変チェックを使用して、複数ステップの計画を運用します。
私たちの結果は、モデルチェックを使用して局所的な障害物を回避するための効率的な軌道を計画できることを示しており、1 つのステップしか計画できない反応性エージェントのパフォーマンスを向上させます。
事前に計算されたデータを使用せず、ほぼリアルタイムでこれを実現します。
私たちの方法には限界がありますが、私たちのアプローチは、自動運転車の文脈における安全で信頼性が高く、透明性のある軌道計画の開発手段として有望であると信じています。

要約(オリジナル)

In this paper, we show how model checking can be used to create multi-step plans for a differential drive wheeled robot so that it can avoid immediate danger. Using a small, purpose built model checking algorithm in situ we generate plans in real-time in a way that reflects the egocentric reactive response of simple biological agents. Our approach is based on chaining temporary control systems which are spawned to eliminate disturbances in the local environment that disrupt an autonomous agent from its preferred action (or resting state). The method involves a novel discretization of 2D LiDAR data which is sensitive to bounded stochastic variations in the immediate environment. We operationalise multi-step planning using invariant checking by forward depth-first search, using a cul-de-sac scenario as a first test case. Our results demonstrate that model checking can be used to plan efficient trajectories for local obstacle avoidance, improving on the performance of a reactive agent which can only plan one step. We achieve this in near real-time using no pre-computed data. While our method has limitations, we believe our approach shows promise as an avenue for the development of safe, reliable and transparent trajectory planning in the context of autonomous vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google