AVOCADO: Adaptive Optimal Collision Avoidance driven by Opinion

要約

環境内の他のエージェントの協力の程度が不明な場合に、ホロノミックロボット衝突回避に対処するための新しいナビゲーションアプローチであるAvocado（Adaptive Optimal衝突回避）を提示します。
アボカドは、最適な相互衝突回避法に似た速度障害物の定式化から出発します。
ただし、相互主義を想定する代わりに、アボカドは、他のロボットやエージェントの協力度にリアルタイムで適応することを目的とする適応制御問題を提起します。
適応は、センサーの観察のみに依存する新しい非線形意見ダイナミクスデザインを通じて達成されます。
副産物として、非線形意見のダイナミクスに基づいて、ロボットとエージェント間の幾何学的対称性の下でのデッドロックを避けるための新しい方法を提案します。
広範な数値シミュレーションは、アボカドが成功率、目標までの時間、計算時間の観点から、混合協同/非協力的なナビゲーション環境における既存の幾何学的、学習、計画ベースのアプローチを上回ることを示しています。
さらに、アボカドが他のロボットや人間と混雑した環境での衝突を回避できることを確認する複数の実際の実験を実施します。

要約(オリジナル)

We present AVOCADO (AdaptiVe Optimal Collision Avoidance Driven by Opinion), a novel navigation approach to address holonomic robot collision avoidance when the degree of cooperation of the other agents in the environment is unknown. AVOCADO departs from a Velocity Obstacle’s formulation akin to the Optimal Reciprocal Collision Avoidance method. However, instead of assuming reciprocity, AVOCADO poses an adaptive control problem that aims at adapting in real-time to the cooperation degree of other robots and agents. Adaptation is achieved through a novel nonlinear opinion dynamics design that relies solely on sensor observations. As a by-product, based on the nonlinear opinion dynamics, we propose a novel method to avoid the deadlocks under geometrical symmetries among robots and agents. Extensive numerical simulations show that AVOCADO surpasses existing geometrical, learning and planning-based approaches in mixed cooperative/non-cooperative navigation environments in terms of success rate, time to goal and computational time. In addition, we conduct multiple real experiments that verify that AVOCADO is able to avoid collisions in environments crowded with other robots and humans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google