SimPRIVE: a Simulation framework for Physical Robot Interaction with Virtual Environments

要約

サイバー物理システムでの機械学習の使用は、産業と学界の両方の関心を集めています。
ただし、ニューラルネットワークと補強学習剤の予測不可能な動作に対する一般的なソリューションはまだ見つかりませんでした。
それにもかかわらず、写真と現実的なシミュレーターの改善は、さまざまな仮想シナリオで複雑なアルゴリズムの広範なテストへの道を開いており、実世界で実装するのに高価で危険です。
このペーパーでは、ループ中の車両プラットフォームとして動作する仮想環境との物理的ロボット相互作用のためのシミュレーションフレームワークであるSimpriveを紹介し、現実世界で車両を操作しながら仮想世界をレンダリングします。
Simpriveを使用して、ROS 2で実行される物理的なモバイルロボットは、オブジェクト、人、またはプログラム可能な動作を持つ他の車両を入力できるUnreal Engine 5グラフィックエンジンで構築された仮想世界でデジタルツインを簡単に動かすように構成できます。
Simpriveは、実行時間を抑え、高速レンダリングを可能にするために軽量であると同時に、カスタムまたは事前に構築された仮想世界に対応するように設計されています。
その主な利点は、テストキャンペーンのリスクとコストを最小限に抑えながら、完全なソフトウェアとハ​​ードウェアスタックで複雑なアルゴリズムをテストする可能性にあります。
このフレームワークは、日常のオブジェクトや人々が障害物として配置されている仮想オフィス環境をナビゲートするAgilex Scout Mini Roverの障害物回避のために訓練された強化学習エージェントをテストすることにより検証されています。
リダーベースのヒューリスティックのおかげで、物理的なローバーは屋内限定スペースで衝突することなく動きます。

要約(オリジナル)

The use of machine learning in cyber-physical systems has attracted the interest of both industry and academia. However, no general solution has yet been found against the unpredictable behavior of neural networks and reinforcement learning agents. Nevertheless, the improvements of photo-realistic simulators have paved the way towards extensive testing of complex algorithms in different virtual scenarios, which would be expensive and dangerous to implement in the real world. This paper presents SimPRIVE, a simulation framework for physical robot interaction with virtual environments, which operates as a vehicle-in-the-loop platform, rendering a virtual world while operating the vehicle in the real world. Using SimPRIVE, any physical mobile robot running on ROS 2 can easily be configured to move its digital twin in a virtual world built with the Unreal Engine 5 graphic engine, which can be populated with objects, people, or other vehicles with programmable behavior. SimPRIVE has been designed to accommodate custom or pre-built virtual worlds while being light-weight to contain execution times and allow fast rendering. Its main advantage lies in the possibility of testing complex algorithms on the full software and hardware stack while minimizing the risks and costs of a test campaign. The framework has been validated by testing a reinforcement learning agent trained for obstacle avoidance on an AgileX Scout Mini rover that navigates a virtual office environment where everyday objects and people are placed as obstacles. The physical rover moves with no collision in an indoor limited space, thanks to a LiDAR-based heuristic.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google