Safe Navigation in Uncertain Crowded Environments Using Risk Adaptive CVaR Barrier Functions

要約

動的で混雑した環境でのロボットナビゲーションは、障害物モデルに固有の不確実性のために大きな課題をもたらします。
この作業では、リスクレベルが自動的に必要なリスクを受け入れるように自動的に調整され、不確実性の下での安全性と最適化の実現可能性の観点から適切なパフォーマンスを達成するために、リスクアットリスクバリア関数（CVAR-BF）に基づいてリスク適応アプローチを提案します。
さらに、ロボットと障害物の間の相対状態を評価することにより、衝突の尤度を特徴付ける動的ゾーンベースのバリア関数を導入します。
リスク適応をこの新しい機能と統合することにより、当社のアプローチは安全マージンを適応的に拡大し、ロボットが非常に動的な環境で障害を積極的に回避できるようにします。
比較とアブレーション研究は、私たちの方法が既存のソーシャルナビゲーションアプローチよりも優れていることを示しており、提案されたフレームワークの有効性を検証します。

要約(オリジナル)

Robot navigation in dynamic, crowded environments poses a significant challenge due to the inherent uncertainties in the obstacle model. In this work, we propose a risk-adaptive approach based on the Conditional Value-at-Risk Barrier Function (CVaR-BF), where the risk level is automatically adjusted to accept the minimum necessary risk, achieving a good performance in terms of safety and optimization feasibility under uncertainty. Additionally, we introduce a dynamic zone-based barrier function which characterizes the collision likelihood by evaluating the relative state between the robot and the obstacle. By integrating risk adaptation with this new function, our approach adaptively expands the safety margin, enabling the robot to proactively avoid obstacles in highly dynamic environments. Comparisons and ablation studies demonstrate that our method outperforms existing social navigation approaches, and validate the effectiveness of our proposed framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google