TAGA: A Tangent-Based Reactive Approach for Socially Compliant Robot Navigation Around Human Groups

要約

密集した環境でのロボットナビゲーションには、特に個人とグループのダイナミクスの相互作用に関して、重大な課題があります。
現在のナビゲーションモデルは、主に個々の歩行者との相互作用に対処しながら、実際の設定で自然に形成される人間のグループを説明できません。
逆に、グループ認識ナビゲーションを実装する限られたモデルは、通常、個々の相互作用を犠牲にしてグループダイナミクスに優先順位を付けます。どちらも社会的に適切なナビゲーションに不可欠です。
この研究では、個々の歩行者と人間グループの両方を組み込むために、既存のシミュレーションフレームワークを拡張します。
既存のナビゲーションフレームワークと統合してグループ認識機能を強化できるモジュラーリアクティブメカニズムであるグループ回避（TAGA）のための接線アクションを提示します。
TAGAは、基礎となるモデルの能力を保存して個人をナビゲートする能力を維持しながら、接線のアクションベースの回避戦略を使用して、ロボットの軌跡を動的に変更します。
さらに、ナビゲーション中にロボットがグループの完全性をどのように効果的に維持するかを定量的に評価する新しいメトリックであるグループ衝突率（GCR）を導入します。
包括的なシミュレーションベースのベンチマークを通じて、TAGAを最先端のナビゲーションモデル（ORCA、Social Force、DS-RNN、およびAG-RL）と統合すると、同等の成功率と航海効率を維持しながら、グループの侵入が45.7-78.6％減少することを実証します。
将来の作業は、このアプローチの実際の実装と検証に焦点を当てます。

要約(オリジナル)

Robot navigation in densely populated environments presents significant challenges, particularly regarding the interplay between individual and group dynamics. Current navigation models predominantly address interactions with individual pedestrians while failing to account for human groups that naturally form in real-world settings. Conversely, the limited models implementing group-aware navigation typically prioritize group dynamics at the expense of individual interactions, both of which are essential for socially appropriate navigation. This research extends an existing simulation framework to incorporate both individual pedestrians and human groups. We present Tangent Action for Group Avoidance (TAGA), a modular reactive mechanism that can be integrated with existing navigation frameworks to enhance their group-awareness capabilities. TAGA dynamically modifies robot trajectories using tangent action-based avoidance strategies while preserving the underlying model’s capacity to navigate around individuals. Additionally, we introduce Group Collision Rate (GCR), a novel metric to quantitatively assess how effectively robots maintain group integrity during navigation. Through comprehensive simulation-based benchmarking, we demonstrate that integrating TAGA with state-of-the-art navigation models (ORCA, Social Force, DS-RNN, and AG-RL) reduces group intrusions by 45.7-78.6% while maintaining comparable success rates and navigation efficiency. Future work will focus on real-world implementation and validation of this approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google