Boundary-Aware Value Function Generation for Safe Stochastic Motion Planning

要約

ナビゲーションの安全性は、都市環境における自動運転車などの多くの自律システムにとって重要です。
実行不可能、航行不可能、または安全でない領域の境界を記述する境界制約を明示的に考慮する必要があります。
私たちは、有望な結果をもたらす、原則に基づいた境界を意識した安全な確率的計画フレームワークを提案します。
私たちの方法は、連続状態の自由 (安全) 空間とナビゲート不可能 (境界) 空間の間の状態値を厳密に区別できる値関数を生成し、自然に安全な境界を意識したポリシーにつながります。
私たちのソリューションの中核には、有限要素とカーネル ベースの関数のシームレスな統合があり、有限要素によってセーフティ クリティカルな状態の境界を正確に特徴付けることができ、カーネル ベースの関数によって非セーフティ クリティカルな状態の計算が高速化されます。
危機的な状態。
提案された方法は広範なシミュレーションを通じて評価され、モバイル ナビゲーション タスクにおける安全なナビゲーション動作が実証されました。
さらに、滑りやすい床の上を移動したり、外部からの人間の介入に対抗したりするなど、強い外乱がある地上車両を使用して、雑然とした現実世界の環境でも、私たちのアプローチが安全かつ効率的に移動できることを実証します。

要約(オリジナル)

Navigation safety is critical for many autonomous systems such as self-driving vehicles in an urban environment. It requires an explicit consideration of boundary constraints that describe the borders of any infeasible, non-navigable, or unsafe regions. We propose a principled boundary-aware safe stochastic planning framework with promising results. Our method generates a value function that can strictly distinguish the state values between free (safe) and non-navigable (boundary) spaces in the continuous state, naturally leading to a safe boundary-aware policy. At the core of our solution lies a seamless integration of finite elements and kernel-based functions, where the finite elements allow us to characterize safety-critical states’ borders accurately, and the kernel-based function speeds up computation for the non-safety-critical states. The proposed method was evaluated through extensive simulations and demonstrated safe navigation behaviors in mobile navigation tasks. Additionally, we demonstrate that our approach can maneuver safely and efficiently in cluttered real-world environments using a ground vehicle with strong external disturbances, such as navigating on a slippery floor and against external human intervention.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google