GNN-based Decentralized Perception in Multirobot Systems for Predicting Worker Actions

要約

産業環境では、人間とロボットの間の安全かつ効果的なコラボレーションを確保するために、人間の行動を予測することが不可欠です。
この論文では、移動ロボットが分散型の方法で人間の行動に関する情報を理解し、共有できるようにする認識フレームワークを紹介します。
このフレームワークにより、各ロボットはまず周囲の環境を表す空間グラフを構築し、それを他のロボットと共有できます。
この共有された空間データは時間情報と組み合わされて、人間の行動を経時的に追跡します。
群れにヒントを得た意思決定プロセスを使用して、すべてのロボットが人間の行動の統一された解釈に同意するようにします。
結果は、より多くのロボットを追加し、より長い時間シーケンスを組み込むと、予測精度が向上することを示しています。
さらに、コンセンサスメカニズムによりシステムの復元力が向上し、動的な産業環境におけるマルチロボットセットアップの信頼性が高まります。

要約(オリジナル)

In industrial environments, predicting human actions is essential for ensuring safe and effective collaboration between humans and robots. This paper introduces a perception framework that enables mobile robots to understand and share information about human actions in a decentralized way. The framework first allows each robot to build a spatial graph representing its surroundings, which it then shares with other robots. This shared spatial data is combined with temporal information to track human behavior over time. A swarm-inspired decision-making process is used to ensure all robots agree on a unified interpretation of the human’s actions. Results show that adding more robots and incorporating longer time sequences improve prediction accuracy. Additionally, the consensus mechanism increases system resilience, making the multi-robot setup more reliable in dynamic industrial settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google