SoRTS: Learned Tree Search for Long Horizon Social Robot Navigation

要約

共有スペースにおける完全自律型ロボットの需要が急速に高まっているため、混雑した環境でも安全かつシームレスに移動できる信頼できるエージェントの開発が求められています。
最近の動作予測モデルは、そのような環境における社会的相互作用の特徴付けに有望であることが示されています。
それでも、一般化の失敗が頻繁に発生するため、ナビゲーションにそれらを適応させることは困難です。
これをきっかけに、私たちはソーシャルドメインにおけるロボットの安全なナビゲーションのためのアルゴリズムであるSocial Robot Tree Search (SoRTS)を提案します。
SoRTS は、モンテカルロ ツリー検索を使用して、既存の社会を意識した動き予測モデルを拡張して、長期ナビゲーションを実現することを目的としています。
私たちは、私たちのアプローチを評価し、本格的な航空自律性の研究を進めるために、ケーススタディとして一般航空におけるソーシャル ナビゲーションを使用します。
その際、人間とロボットの対話を可能にする高忠実度の航空シミュレーターである XPlaneROS を導入します。
当社は XPlaneROS を使用して、26 人の FAA 認定パイロットが人間のパイロット、当社のアルゴリズム、およびそのアブレーションと対話する、この種では初のユーザー調査を実施しました。
統計的証拠によって裏付けられた我々の結果は、SoRTS が有能な人間のパイロットと同等のパフォーマンスを示し、アブレーションを大幅に上回っていることを示しています。
最後に、これらの結果を幅広いセルフプレイ実験で補完し、複雑さが増すシナリオにおけるアルゴリズムのパフォーマンスを示します。

要約(オリジナル)

The fast-growing demand for fully autonomous robots in shared spaces calls for the development of trustworthy agents that can safely and seamlessly navigate in crowded environments. Recent models for motion prediction show promise in characterizing social interactions in such environments. Still, adapting them for navigation is challenging as they often suffer from generalization failures. Prompted by this, we propose Social Robot Tree Search (SoRTS), an algorithm for safe robot navigation in social domains. SoRTS aims to augment existing socially aware motion prediction models for long-horizon navigation using Monte Carlo Tree Search. We use social navigation in general aviation as a case study to evaluate our approach and further the research in full-scale aerial autonomy. In doing so, we introduce XPlaneROS, a high-fidelity aerial simulator that enables human-robot interaction. We use XPlaneROS to conduct a first-of-its-kind user study where 26 FAA-certified pilots interact with a human pilot, our algorithm, and its ablation. Our results, supported by statistical evidence, show that SoRTS exhibits a comparable performance to competent human pilots, significantly outperforming its ablation. Finally, we complement these results with a broad set of self-play experiments to showcase our algorithm’s performance in scenarios with increasing complexity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google