SICNav: Safe and Interactive Crowd Navigation using Model Predictive Control and Bilevel Optimization

要約

ロボットが衝突せずに群衆の中を移動するには、人間の動きを予測して反応する必要があります。
既存の手法の多くは予測と計画を切り離しているため、ロボットと人間の動作の相互作用が考慮されておらず、ロボットが行き詰まる可能性があります。
我々は、閉ループでロボットの動きと予測された群衆の動きを共同で解決するモデル予測制御 (MPC) 手法である SICNav を提案します。
群衆の中の各人間が最適相互衝突回避 (ORCA) スキームに従っているようにモデル化し、そのモデルをロボットのローカル プランナーに制約として埋め込むことで、バイレベル非線形 MPC 最適化問題が発生します。
KKT 再定式化を使用して 2 レベル問題を単一レベルとしてキャストし、非線形ソルバーを使用して最適化します。
当社の MPC メソッドは、単一ロボットと複数人間の環境における安全制約を明示的に満たしながら、歩行者の動きに影響を与えることができます。
2 つのシミュレーション環境と実際のロボットを使用した屋内実験で SICNav のパフォーマンスを分析し、周囲の人に影響を与える可能性のある安全なロボットの動作を実証します。
また、人間の軌跡データセットに対する ORCA の軌跡予測パフォーマンスも検証します。

要約(オリジナル)

Robots need to predict and react to human motions to navigate through a crowd without collisions. Many existing methods decouple prediction from planning, which does not account for the interaction between robot and human motions and can lead to the robot getting stuck. We propose SICNav, a Model Predictive Control (MPC) method that jointly solves for robot motion and predicted crowd motion in closed-loop. We model each human in the crowd to be following an Optimal Reciprocal Collision Avoidance (ORCA) scheme and embed that model as a constraint in the robot’s local planner, resulting in a bilevel nonlinear MPC optimization problem. We use a KKT-reformulation to cast the bilevel problem as a single level and use a nonlinear solver to optimize. Our MPC method can influence pedestrian motion while explicitly satisfying safety constraints in a single-robot multi-human environment. We analyze the performance of SICNav in two simulation environments and indoor experiments with a real robot to demonstrate safe robot motion that can influence the surrounding humans. We also validate the trajectory forecasting performance of ORCA on a human trajectory dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google