A Comparative Study of Human Motion Models in Reinforcement Learning Algorithms for Social Robot Navigation

要約

ソーシャルロボットナビゲーションは、人間が住む動的環境を安全にナビゲートするための効率的な戦略を見つけることを目的とする進化する研究分野です。
このドメインの重要な課題は、ナビゲーションアルゴリズムの設計と評価に直接影響する人間の動きの正確なモデリングです。
このペーパーでは、ソーシャルロボットナビゲーションで使用される2つの一般的なカテゴリの人間の動きモデル、すなわち速度ベースのモデルと力ベースのモデルの比較研究を紹介します。
両方のモデルタイプのシステム理論表現が提示されており、異なる状態変数を使用していますが、それらの一般的なフィードバック構造を強調しています。
補強学習に基づいたいくつかのナビゲーションポリシーは、これらのアプローチでモデル化された歩行者の群衆を含むさまざまなシミュレートされた環境で訓練およびテストされています。
比較研究が実施され、人間の動きモデル、ナビゲーションポリシー、シナリオの複雑さ、群衆密度など、複数の要因にわたってパフォーマンスを評価します。
結果は、人間の行動をモデル化するためのさまざまなアプローチの利点と課題、および学習ベースのナビゲーションポリシーのトレーニングとテスト中の役割を強調しています。
この調査結果は、社会的に認識されているロボットナビゲーションシステムを設計する際に、適切な人間の動きモデルを選択するための貴重な洞察とガイドラインを提供します。

要約(オリジナル)

Social robot navigation is an evolving research field that aims to find efficient strategies to safely navigate dynamic environments populated by humans. A critical challenge in this domain is the accurate modeling of human motion, which directly impacts the design and evaluation of navigation algorithms. This paper presents a comparative study of two popular categories of human motion models used in social robot navigation, namely velocity-based models and force-based models. A system-theoretic representation of both model types is presented, which highlights their common feedback structure, although with different state variables. Several navigation policies based on reinforcement learning are trained and tested in various simulated environments involving pedestrian crowds modeled with these approaches. A comparative study is conducted to assess performance across multiple factors, including human motion model, navigation policy, scenario complexity and crowd density. The results highlight advantages and challenges of different approaches to modeling human behavior, as well as their role during training and testing of learning-based navigation policies. The findings offer valuable insights and guidelines for selecting appropriate human motion models when designing socially-aware robot navigation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google