Using Unsupervised Learning to Explore Robot-Pedestrian Interactions in Urban Environments

要約

この研究では、ロボット中心の歩行者インタラクションに対するデータ駆動型アプローチのギャップを特定し、対応するパイプラインを提案します。
このパイプラインは教師なし学習技術を利用して、特に紛争シナリオに焦点を当てて、都市環境の相互作用データのパターンを特定します。
分析される特徴には、ロボットと歩行者の速度、交差点への近さなどのコンテキスト パラメータが含まれます。
これらは、主成分分析 (PCA) を使用して抽出され、次元が削減されます。
最後に、K 平均法クラスタリングを使用して、相互作用データの根底にあるパターンを明らかにします。
ドイツの中規模都市からの実世界のロボットミッションデータを利用した、パイプラインのユースケースアプリケーションが紹介されています。
この結果は、きめ細かい分析と推論を可能にするために、コンテキスト情報を使用してインタラクション表現を強化する必要があることを示しています。
それにもかかわらず、ロボットの状況認識とインタラクションの質を高めるために、データセットを拡張し、追加の状況要因を組み込む必要性も強調しています。

要約(オリジナル)

This study identifies a gap in data-driven approaches to robot-centric pedestrian interactions and proposes a corresponding pipeline. The pipeline utilizes unsupervised learning techniques to identify patterns in interaction data of urban environments, specifically focusing on conflict scenarios. Analyzed features include the robot’s and pedestrian’s speed and contextual parameters such as proximity to intersections. They are extracted and reduced in dimensionality using Principal Component Analysis (PCA). Finally, K-means clustering is employed to uncover underlying patterns in the interaction data. A use case application of the pipeline is presented, utilizing real-world robot mission data from a mid-sized German city. The results indicate the need for enriching interaction representations with contextual information to enable fine-grained analysis and reasoning. Nevertheless, they also highlight the need for expanding the data set and incorporating additional contextual factors to enhance the robots situational awareness and interaction quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google