SICNav: Safe and Interactive Crowd Navigation using Model Predictive Control and Bilevel Optimization

要約

ロボットは、人間の動きを予測して反応して、衝突せずに群衆の中をナビゲートする必要があります。
多くの既存の方法は、ロボットと人間の動きの間の相互作用を説明せず、ロボットが立ち往生する可能性がある計画から予測を切り離します。
ロボットの動きを共同で解決し、閉ループで群衆の動きを予測するモデル予測制御（MPC）メソッドであるSICNAVを提案します。
群衆の各人間をモデル化して、最適な相互衝突回避（ORCA）スキームに従って、ロボットのローカルプランナーの制約としてそのモデルを埋め込み、バイレベルの非線形MPC最適化問題をもたらします。
KKT変形を使用して、Bilevelの問題を単一のレベルとしてキャストし、非線形ソルバーを使用して最適化します。
MPCメソッドは、単一ロボットマルチヒューマン環境での安全性の制約を明示的に満たす一方で、歩行者の動きに影響を与える可能性があります。
2つのシミュレーション環境でのSICNAVのパフォーマンスと、実際のロボットを使用した屋内実験を分析して、周囲の人間に影響を与える可能性のある安全なロボットの動きを実証します。
また、人間の軌跡データセットでORCAの軌跡予測パフォーマンスを検証します。

要約(オリジナル)

Robots need to predict and react to human motions to navigate through a crowd without collisions. Many existing methods decouple prediction from planning, which does not account for the interaction between robot and human motions and can lead to the robot getting stuck. We propose SICNav, a Model Predictive Control (MPC) method that jointly solves for robot motion and predicted crowd motion in closed-loop. We model each human in the crowd to be following an Optimal Reciprocal Collision Avoidance (ORCA) scheme and embed that model as a constraint in the robot’s local planner, resulting in a bilevel nonlinear MPC optimization problem. We use a KKT-reformulation to cast the bilevel problem as a single level and use a nonlinear solver to optimize. Our MPC method can influence pedestrian motion while explicitly satisfying safety constraints in a single-robot multi-human environment. We analyze the performance of SICNav in two simulation environments and indoor experiments with a real robot to demonstrate safe robot motion that can influence the surrounding humans. We also validate the trajectory forecasting performance of ORCA on a human trajectory dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google