Navigating the Human Maze: Real-Time Robot Pathfinding with Generative Imitation Learning

要約

このペーパーでは、目標条件付き生成モデルとサンプリングベースのモデル予測制御 (SMPC) を統合することで、混雑した環境でのナビゲーションに取り組みます。
目標条件付き自己回帰モデルを導入して群衆の行動を生成し、個人間の複雑な相互作用を捕捉します。
このモデルは、潜在的なロボットの軌道サンプルを処理し、周囲の個人の反応を予測することで、複雑なシナリオでのプロアクティブなロボット ナビゲーションを可能にします。
広範な実験により、このアルゴリズムによりリアルタイム ナビゲーションが可能になり、衝突率と経路長が大幅に減少し、選択されたベースライン手法を上回るパフォーマンスが得られることが示されました。
このアルゴリズムの実際的な有効性は実際のロボット プラットフォームで検証され、動的な設定での機能が実証されています。

要約(オリジナル)

This paper addresses navigation in crowded environments by integrating goal-conditioned generative models with Sampling-based Model Predictive Control (SMPC). We introduce goal-conditioned autoregressive models to generate crowd behaviors, capturing intricate interactions among individuals. The model processes potential robot trajectory samples and predicts the reactions of surrounding individuals, enabling proactive robotic navigation in complex scenarios. Extensive experiments show that this algorithm enables real-time navigation, significantly reducing collision rates and path lengths, and outperforming selected baseline methods. The practical effectiveness of this algorithm is validated on an actual robotic platform, demonstrating its capability in dynamic settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google