CoBL-Diffusion: Diffusion-Based Conditional Robot Planning in Dynamic Environments Using Control Barrier and Lyapunov Functions

要約

自律型ロボットに人間の周囲を安全かつ効率的に移動する能力を装備することは、信頼できるロボットの自律性を実現するための重要なステップです。
しかし、動的なマルチエージェント環境で安全性を確保しながらロボット計画を作成することは依然として重要な課題です。
この論文は、静的環境でのロボット計画のための深い生成モデルの活用に関する最近の研究に基づいて、動的環境用の新しい拡散ベースの安全なロボット プランナーである CoBL-Diffusion を提案します。
CoBL-Diffusion は、コントロール バリアとリアプノフ関数を使用して拡散モデルのノイズ除去プロセスをガイドし、安全性と安定性の制約を満たすようにロボット制御シーケンスを繰り返し調整します。
合成シングルエージェント環境と現実世界の歩行者データセットという 2 つの設定を使用して、提案されたモデルの有効性を実証します。
私たちの結果は、CoBL-Diffusion が滑らかな軌道を生成し、動的障害物との衝突率を低く維持しながらロボットが目標位置に到達できることを示しています。

要約(オリジナル)

Equipping autonomous robots with the ability to navigate safely and efficiently around humans is a crucial step toward achieving trusted robot autonomy. However, generating robot plans while ensuring safety in dynamic multi-agent environments remains a key challenge. Building upon recent work on leveraging deep generative models for robot planning in static environments, this paper proposes CoBL-Diffusion, a novel diffusion-based safe robot planner for dynamic environments. CoBL-Diffusion uses Control Barrier and Lyapunov functions to guide the denoising process of a diffusion model, iteratively refining the robot control sequence to satisfy the safety and stability constraints. We demonstrate the effectiveness of the proposed model using two settings: a synthetic single-agent environment and a real-world pedestrian dataset. Our results show that CoBL-Diffusion generates smooth trajectories that enable the robot to reach goal locations while maintaining a low collision rate with dynamic obstacles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google