SICNav-Diffusion: Safe and Interactive Crowd Navigation with Diffusion Trajectory Predictions

要約

衝突せずに群衆をナビゲートするために、ロボットは将来の動きを予測し、それに応じて反応することにより、人間と対話する必要があります。
学習ベースの予測モデルは、おそらくヒトの軌跡予測を生成することに成功していることを示していますが、これらの確率モデルをロボットコントローラーに統合すると、いくつかの課題があります。
コントローラーは、計画されたロボットの動きと人間の予測との間のインタラクティブな結合を説明する必要があり、予測とロボットのアクションの両方が安全であることを確認します（つまり、衝突なし）。
これらの課題に対処するために、シングルロボットマルチヒューマン環境のための後退地平線クラウドナビゲーション方法を提示します。
最初に、現場のすべての人間の共同軌道予測を生成する拡散モデルを提案します。
次に、これらのマルチモーダル予測をSICNAV Bilevel MPC問題に組み込みます。これは、ロボットプラン（上位レベル）を同時に解決し、非衝突（低レベル）の予測を改良する安全フィルターとして機能します。
計画と予測の改良を1つのバイレベル問題に組み合わせることで、ロボット計画と人間の予測が結合されることが保証されます。
一般的に使用されるETH/UCYベンチマーク上の拡散モデルのオープンループ軌道予測パフォーマンスを検証し、シミュレーションおよび安全で効率的で反応性のあるロボットモーションを実証する広範なレアルロボット実験におけるロボットナビゲーション法の閉ループパフォーマンスを評価します。

要約(オリジナル)

To navigate crowds without collisions, robots must interact with humans by forecasting their future motion and reacting accordingly. While learning-based prediction models have shown success in generating likely human trajectory predictions, integrating these stochastic models into a robot controller presents several challenges. The controller needs to account for interactive coupling between planned robot motion and human predictions while ensuring both predictions and robot actions are safe (i.e. collision-free). To address these challenges, we present a receding horizon crowd navigation method for single-robot multi-human environments. We first propose a diffusion model to generate joint trajectory predictions for all humans in the scene. We then incorporate these multi-modal predictions into a SICNav Bilevel MPC problem that simultaneously solves for a robot plan (upper-level) and acts as a safety filter to refine the predictions for non-collision (lower-level). Combining planning and prediction refinement into one bilevel problem ensures that the robot plan and human predictions are coupled. We validate the open-loop trajectory prediction performance of our diffusion model on the commonly used ETH/UCY benchmark and evaluate the closed-loop performance of our robot navigation method in simulation and extensive real-robot experiments demonstrating safe, efficient, and reactive robot motion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google