Decentralized Structural-RNN for Robot Crowd Navigation with Deep Reinforcement Learning

要約

人間の群衆を介した安全で効率的なナビゲーションは、モバイルロボットにとって不可欠な機能です。
ロボットクラウドナビゲーションに関する以前の研究では、すべてのエージェントのダイナミクスが既知であり、明確に定義されていることを前提としています。
さらに、以前の方法のパフォーマンスは、密集した群衆のある部分的に観察可能な環境と環境で悪化します。
これらの問題に取り組むために、クラウドナビゲーションにおけるロボットの意思決定のための空間的および時間的関係について推論する新しいネットワークである分散型構造再発性ニューラルネットワーク（DS-RNN）を提案します。
専門家の監督なしで、モデルのない深い補強学習でネットワークを訓練します。
私たちのモデルは、群衆のナビゲーションシナリオに挑戦する際の以前の方法よりも優れていることを実証します。
シミュレーターで学んだポリシーを実世界のタートルボット2Iに正常に転送します。
詳細については、プロジェクトWebサイトhttps://sites.google.com/view/crowdnav-ds-rnn/homeをご覧ください。

要約(オリジナル)

Safe and efficient navigation through human crowds is an essential capability for mobile robots. Previous work on robot crowd navigation assumes that the dynamics of all agents are known and well-defined. In addition, the performance of previous methods deteriorates in partially observable environments and environments with dense crowds. To tackle these problems, we propose decentralized structural-Recurrent Neural Network (DS-RNN), a novel network that reasons about spatial and temporal relationships for robot decision making in crowd navigation. We train our network with model-free deep reinforcement learning without any expert supervision. We demonstrate that our model outperforms previous methods in challenging crowd navigation scenarios. We successfully transfer the policy learned in the simulator to a real-world TurtleBot 2i. For more information, please visit the project website at https://sites.google.com/view/crowdnav-ds-rnn/home.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google