DR-MPC: Deep Residual Model Predictive Control for Real-world Social Navigation

要約

ロボットは、複雑なモーションパターンを持つ人々を安全にナビゲートするにはどうすればよいですか？
シミュレーションのディープ補強学習（DRL）にはいくつかの有望がありますが、多くの事前の作業は、実際の人間の動きのニュアンスを捉えることができないシミュレーターに依存しています。
したがって、ロボットが実際の群衆ナビゲーションデータからDRLを迅速かつ安全に実行できるようにするために、深い残差モデル予測制御（DR-MPC）を提案します。
MPCとモデルフリーDRLとブレンドすることにより、DR-MPCは大規模なデータ要件と危険な初期動作のDRL課題を克服します。
DR-MPCはMPCベースのパス追跡で初期化されており、徐々に人間とより効果的に相互作用することを学びます。
学習をさらに加速するために、安全コンポーネントは分散除外状態を推定して、衝突の可能性からロボットを導きます。
シミュレーションでは、DR-MPCが従来のDRLモデルや残留DRLモデルを含む以前の作業を大幅に上回ることを示しています。
ハードウェアの実験により、私たちのアプローチにより、ロボットは4時間未満のトレーニングデータを使用してほとんどエラーでさまざまな混雑した状況をナビゲートできるようになりました。

要約(オリジナル)

How can a robot safely navigate around people with complex motion patterns? Deep Reinforcement Learning (DRL) in simulation holds some promise, but much prior work relies on simulators that fail to capture the nuances of real human motion. Thus, we propose Deep Residual Model Predictive Control (DR-MPC) to enable robots to quickly and safely perform DRL from real-world crowd navigation data. By blending MPC with model-free DRL, DR-MPC overcomes the DRL challenges of large data requirements and unsafe initial behavior. DR-MPC is initialized with MPC-based path tracking, and gradually learns to interact more effectively with humans. To further accelerate learning, a safety component estimates out-of-distribution states to guide the robot away from likely collisions. In simulation, we show that DR-MPC substantially outperforms prior work, including traditional DRL and residual DRL models. Hardware experiments show our approach successfully enables a robot to navigate a variety of crowded situations with few errors using less than 4 hours of training data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google