Deploying SICNav in the Field: Safe and Interactive Crowd Navigation using MPC and Bilevel Optimization

要約

混雑した環境での安全で効率的なナビゲーションは、食品配達や自律車椅子のモビリティなど、さまざまなサービスタスクを提供するロボットにとって依然として重要な課題です。
クラシックロボットクラウドナビゲーション方法ロボットモーションプランニングからの人間のモーション予測を切り離し、人間とロボット間の閉ループの相互作用を無視します。
ロボット計画に対する人間の反応のためのモデルの欠如（たとえば、邪魔にならないように移動する）により、ロボットが立ち往生する可能性があります。
提案された安全でインタラクティブな群衆ナビゲーション（SICNAV）方法は、予測と計画を1つの最適化問題に組み合わせたバイレベルモデル予測制御（MPC）フレームワークであり、エージェント間の相互作用を明示的にモデル化します。
このホワイトペーパーでは、以前に見えなかった屋内および屋外環境にSICNAVを展開するために使用するクラウドナビゲーションプラットフォームのシステム概要を紹介します。
屋内環境と屋外環境の両方で、2時間にわたって約7 kmの自律ナビゲーションの過程で、システムの操作の予備分析を提供します。

要約(オリジナル)

Safe and efficient navigation in crowded environments remains a critical challenge for robots that provide a variety of service tasks such as food delivery or autonomous wheelchair mobility. Classical robot crowd navigation methods decouple human motion prediction from robot motion planning, which neglects the closed-loop interactions between humans and robots. This lack of a model for human reactions to the robot plan (e.g. moving out of the way) can cause the robot to get stuck. Our proposed Safe and Interactive Crowd Navigation (SICNav) method is a bilevel Model Predictive Control (MPC) framework that combines prediction and planning into one optimization problem, explicitly modeling interactions among agents. In this paper, we present a systems overview of the crowd navigation platform we use to deploy SICNav in previously unseen indoor and outdoor environments. We provide a preliminary analysis of the system’s operation over the course of nearly 7 km of autonomous navigation over two hours in both indoor and outdoor environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google