Receding Horizon Optimization with PPUM: An Approach for Autonomous Robot Path Planning in Uncertain Environments

要約

人の群衆の時空間パターンを理解する能力は、人間の環境に配置された移動ロボットの長期的な自律性を達成するために重要です。
しかし、従来の履歴データに基づく記憶モデルは異常を処理するには不十分であり、その結果、群衆の空間分布を推定する際のロボットによる推論が不十分になります。
この記事では、不確実性のある混雑した環境でのロボットの経路計画のために、確率関連部分更新メモリ (PPUM) を組み込んだ Receding Horizo​​n Optimization (RHO) 定式化を提案します。
PPUM は、重み付き証拠融合理論を使用して、リアルタイムのセンサー観察と歴史的知識を組み合わせるメモリ層として機能し、動的環境に対するロボットの適応性を向上させます。
次に、RHO は PPUM を情報に基づいた知識として利用し、ローカル移動計画のコストを削減しながら密集に遭遇する可能性を最小限に抑える経路を生成します。
提案されたアプローチは、不確実な混雑した環境におけるロボットと人間との長期にわたる安全な相互作用の問題に対する革新的な解決策を提供します。
シミュレーションでは、群集分布推定精度、異常への適応性、経路計画効率の点で、ベンチマーク手法と比較して、私たちのアプローチの優れたパフォーマンスが実証されました。

要約(オリジナル)

The ability to understand spatial-temporal patterns for crowds of people is crucial for achieving long-term autonomy of mobile robots deployed in human environments. However, traditional historical data-driven memory models are inadequate for handling anomalies, resulting in poor reasoning by robot in estimating the crowd spatial distribution. In this article, a Receding Horizon Optimization (RHO) formulation is proposed that incorporates a Probability-related Partially Updated Memory (PPUM) for robot path planning in crowded environments with uncertainties. The PPUM acts as a memory layer that combines real-time sensor observations with historical knowledge using a weighted evidence fusion theory to improve robot’s adaptivity to the dynamic environments. RHO then utilizes the PPUM as a informed knowledge to generate a path that minimizes the likelihood of encountering dense crowds while reducing the cost of local motion planning. The proposed approach provides an innovative solution to the problem of robot’s long-term safe interaction with human in uncertain crowded environments. In simulation, the results demonstrate the superior performance of our approach compared to benchmark methods in terms of crowd distribution estimation accuracy, adaptability to anomalies and path planning efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google