A Twin Delayed Deep Deterministic Policy Gradient Algorithm for Autonomous Ground Vehicle Navigation via Digital Twin Perception Awareness

要約

自動地上車両 (UGV) ナビゲーションは、障害者のアクセシビリティを向上させ、安全性と使用の利便性を確保することで、交通システムに革命をもたらす可能性があります。
ただし、UGV が公共の使用に受け入れられることを確認するには、広範かつ効率的なテストと評価が必要です。
このテストは主にシミュレーターで行われるため、sim2real の転送ギャップが生じます。
この論文では、仮想環境 (VT) 環境状態を事前に作成せずに、ロボットのナビゲーションを制御するためのデジタル ツインの知覚認識アプローチを提案します。
これを達成するために、衝突回避と目標ベースのパス計画を保証するツイン遅延ディープ決定論的ポリシー勾配 (TD3) アルゴリズムを開発します。
さまざまな環境ダイナミクスに対するアプローチのパフォーマンスを実証します。
このアプローチにより、障害物との衝突を効率的に回避して目的地まで移動できると同時に、ロボットに搭載されたLIDARセンサーから受信した情報を利用して障害物を安全に回避できることを示します。
私たちのアプローチは、シミュレーションからリアルへの転送の間のギャップを埋め、現実世界での UGV の導入に貢献します。
私たちは、シミュレーションとオフィス空間での実世界のアプリケーションでアプローチを検証します。

要約(オリジナル)

Autonomous ground vehicle (UGV) navigation has the potential to revolutionize the transportation system by increasing accessibility to disabled people, ensure safety and convenience of use. However, UGV requires extensive and efficient testing and evaluation to ensure its acceptance for public use. This testing are mostly done in a simulator which result to sim2real transfer gap. In this paper, we propose a digital twin perception awareness approach for the control of robot navigation without prior creation of the virtual environment (VT) environment state. To achieve this, we develop a twin delayed deep deterministic policy gradient (TD3) algorithm that ensures collision avoidance and goal-based path planning. We demonstrate the performance of our approach on different environment dynamics. We show that our approach is capable of efficiently avoiding collision with obstacles and navigating to its desired destination, while at the same time safely avoids obstacles using the information received from the LIDAR sensor mounted on the robot. Our approach bridges the gap between sim-to-real transfer and contributes to the adoption of UGVs in real world. We validate our approach in simulation and a real-world application in an office space.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google