Occlusion aware obstacle prediction using people as sensors

要約

動的で非構造化された環境をナビゲートすることは、特に遮蔽領域によってもたらされる不確実性により、自律ロボットにとって重大な課題を引き起こします。
従来のセンシング方法では、特に人間の動きや物理的障壁がロボットの視界を頻繁に妨げる混雑した空間では、危険なほど接近するまでオクルージョンの背後に隠れた障害物を検出できないことがよくあります。
この制限に対処するために、人間をセンサーとして使用し、人間の行動パターンを分析することによってパラオクルージョンされた障害物の存在を推測する、オクルージョンを認識した障害物予測のための新しいフレームワークを提案します。
私たちのアプローチは、センサーフュージョン、履歴軌跡データ、予測モデリングを統合して、遮蔽された領域における障害物の存在と占有の可能性を推定します。
特定のエリアを避ける人間の自然な傾向を利用することで、このシステムはロボットがリアルタイムで積極的にナビゲーション戦略を適応できるようにします。
広範なシミュレーションと現実世界での実験により、提案されたフレームワークが障害物の予測精度を大幅に向上させ、衝突リスクを軽減し、ナビゲーション効率を向上させることが実証されました。
これらの発見は、複雑で動的な環境における自律ロボットの安全性と適応性を向上させる、オクルージョン認識障害物予測システムの可能性を強調しています。

要約(オリジナル)

Navigating dynamic and unstructured environments poses significant challenges for autonomous robots, particularly due to the uncertainty introduced by occluded areas. Conventional sensing methods often fail to detect obstacles hidden behind occlusions until they are dangerously close, especially in crowded spaces where human movement and physical barriers frequently obstruct the robot’s view. To address this limitation, we propose a novel framework for occlusion-aware obstacle prediction using people as sensors, that infers the presence of para-occluded obstacles by analyzing human behavioral patterns. Our approach integrates sensor fusion, historical trajectory data, and predictive modeling to estimate the likelihood of obstacle presence and occupancy in occluded regions. By leveraging the natural tendency of humans to avoid certain areas, the system enables robots to proactively adapt their navigation strategies in real time. Extensive simulations and real-world experiments demonstrate that the proposed framework significantly enhances obstacle prediction accuracy, reduces collision risks, and improves navigation efficiency. These findings underscore the potential of occlusion-aware obstacle prediction systems to improve the safety and adaptability of autonomous robots in complex, dynamic environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google