Tactile Aware Dynamic Obstacle Avoidance in Crowded Environment with Deep Reinforcement Learning

要約

混雑した環境で動作する移動ロボットには、安全基準と社会に準拠したマナーを遵守しながら、人間や周囲の障害物の間を効率的に移動する能力が必要です。
この規模のロボット ナビゲーション問題は、ローカル パス計画と軌道最適化の問題の両方として分類できます。
この研究では、LiDAR によって検出されない移動ロボットのすぐ近くにある周囲の物体との接触の認識を誘導する目的で、LiDAR の使用を補完する触覚層として機能する一連の力センサーを紹介します。
触覚レイヤーを組み込むことにより、ロボットはその動作においてより多くのリスクを負い、場合によっては障害物や壁のすぐ近くまで進み、そっとそれをすり抜けることができます。
さらに、ロボット オペレーティング システム (ROS) と強化学習 (RL) を統合する Pybullet を介してシミュレーション プラットフォームを構築しました。
動的障害物回避のための RL ベースのローカル パス プランナーを作成するために、タッチ対応ニューラル ネットワーク モデルがトレーニングされました。
私たちが提案した方法は、近くの非接触障害物に過度に敏感にならずに、高い機敏性と動きの多様性で混雑した環境をナビゲートできる全方向移動ロボット上で成功裏に実証されました。

要約(オリジナル)

Mobile robots operating in crowded environments require the ability to navigate among humans and surrounding obstacles efficiently while adhering to safety standards and socially compliant mannerisms. This scale of the robot navigation problem may be classified as both a local path planning and trajectory optimization problem. This work presents an array of force sensors that act as a tactile layer to complement the use of a LiDAR for the purpose of inducing awareness of contact with any surrounding objects within immediate vicinity of a mobile robot undetected by LiDARs. By incorporating the tactile layer, the robot can take more risks in its movements and possibly go right up to an obstacle or wall, and gently squeeze past it. In addition, we built up a simulation platform via Pybullet which integrates Robot Operating System (ROS) and reinforcement learning (RL) together. A touch-aware neural network model was trained on it to create an RL-based local path planner for dynamic obstacle avoidance. Our proposed method was demonstrated successfully on an omni-directional mobile robot who was able to navigate in a crowded environment with high agility and versatility in movement, while not being overly sensitive to nearby obstacles-not-in-contact.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google