AVOCADO: Adaptive Optimal Collision Avoidance driven by Opinion

要約

環境内の他のエージェントがどのように協力的であるかをロボットが知らない場合、ホロノミックロボットの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アボカド（Adaptive Optimal Collision Esinasance）を提示します。
アボカドは、最適な相互衝突回避方法に似た速度障害物（VO）の定式化から出発します。
ただし、相互関係を想定する代わりに、他のロボットやエージェントの協力レベルにリアルタイムで適応するための適応制御の問題を提起します。
これは、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によって達成されます。
副産物として、意見のダイナミクス定式化からツールを活用して、通常、VOベースのプランナーに苦しむ幾何学的に対称的なシナリオのデッドロックを自然に回避します。
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/非協同組合ナビゲーション環境の既存のモーションプランナー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 robot does not know how cooperative the other agents in the environment are. AVOCADO departs from a Velocity Obstacle’s (VO) formulation akin to the Optimal Reciprocal Collision Avoidance method. However, instead of assuming reciprocity, it poses an adaptive control problem to adapt to the cooperation level of other robots and agents in real time. This is achieved through a novel nonlinear opinion dynamics design that relies solely on sensor observations. As a by-product, we leverage tools from the opinion dynamics formulation to naturally avoid the deadlocks in geometrically symmetric scenarios that typically suffer VO-based planners. Extensive numerical simulations show that AVOCADO surpasses existing motion planners 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