Safe Human Robot Navigation in Warehouse Scenario

要約

産業環境、特に倉庫における自律モバイルロボット（AMR）の統合は、物流と運用効率に革命をもたらしました。
ただし、動的な共有スペースで人間の労働者の安全性を確保することは、依然として重要な課題です。
この作業は、倉庫ナビゲーションの安全性を高めるために制御バリア関数（CBFS）を活用する新しい方法論を提案しています。
学習ベースのCBFをオープンロボットミドルウェアフレームワーク（OpenRMF）と統合することにより、システムはマルチロボットのマルチエージェントシナリオで適応型および安全性のあるコントロールを実現します。
さまざまなロボットプラットフォームを使用して実施された実験は、人間の歩行者を含む静的および動的な障害を回避する際の提案されたアプローチの有効性を示しています。
私たちの実験は、ロボット、ロボットプラットフォーム、速度、障害物の数がさまざまなさまざまなシナリオを評価し、そこから有望なパフォーマンスを達成します。

要約(オリジナル)

The integration of autonomous mobile robots (AMRs) in industrial environments, particularly warehouses, has revolutionized logistics and operational efficiency. However, ensuring the safety of human workers in dynamic, shared spaces remains a critical challenge. This work proposes a novel methodology that leverages control barrier functions (CBFs) to enhance safety in warehouse navigation. By integrating learning-based CBFs with the Open Robotics Middleware Framework (OpenRMF), the system achieves adaptive and safety-enhanced controls in multi-robot, multi-agent scenarios. Experiments conducted using various robot platforms demonstrate the efficacy of the proposed approach in avoiding static and dynamic obstacles, including human pedestrians. Our experiments evaluate different scenarios in which the number of robots, robot platforms, speed, and number of obstacles are varied, from which we achieve promising performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google