Socially Aware Robot Crowd Navigation via Online Uncertainty-Driven Risk Adaptation

要約

ロボットは人間の動きの慣習を尊重しながら効率的に移動すると予想されるため、人間とロボットの共有混雑した環境のナビゲーションは依然として困難です。
しかし、多くの既存のアプローチは、社会的認識を見落としながら、安全性または効率性を強調しています。
この記事では、効率、安全性、社会的認識のバランスをとるデータ駆動型ナビゲーションアルゴリズムである学習リスクモデル予測制御（LR-MPC）を提案します。
LR-MPCは、ヒューリスティックMPCベースのベースライン（HR-MPC）のリスクデータを使用して確率的アンサンブルニューラルネットワーク（PENN）を使用してトレーニングされるオフラインリスク学習フェーズと、ローカルウェイポイントがサンプリングされ、マルチRRTプランナーによってグローバルにガイドされるオンライン適応推論フェーズを使用してトレーニングされる2つのフェーズで構成されています。
各候補ウェイポイントはPennによってリスクについて評価され、予測は認識論的およびaleatoricの不確実性を使用してフィルタリングされ、堅牢な意思決定を確保します。
最も安全なウェイポイントは、リアルタイムナビゲーションのMPC入力として選択されます。
広範な実験は、LR-MPCが成功率と社会的認識のベースライン方法を上回り、ロボットが高い順応性と低下で複雑な群衆をナビゲートできるようにすることを示しています。
この作品に関するウェブサイトは、https：//sites.google.com/view/lr-mpcで入手できます。

要約(オリジナル)

Navigation in human-robot shared crowded environments remains challenging, as robots are expected to move efficiently while respecting human motion conventions. However, many existing approaches emphasize safety or efficiency while overlooking social awareness. This article proposes Learning-Risk Model Predictive Control (LR-MPC), a data-driven navigation algorithm that balances efficiency, safety, and social awareness. LR-MPC consists of two phases: an offline risk learning phase, where a Probabilistic Ensemble Neural Network (PENN) is trained using risk data from a heuristic MPC-based baseline (HR-MPC), and an online adaptive inference phase, where local waypoints are sampled and globally guided by a Multi-RRT planner. Each candidate waypoint is evaluated for risk by PENN, and predictions are filtered using epistemic and aleatoric uncertainty to ensure robust decision-making. The safest waypoint is selected as the MPC input for real-time navigation. Extensive experiments demonstrate that LR-MPC outperforms baseline methods in success rate and social awareness, enabling robots to navigate complex crowds with high adaptability and low disruption. A website about this work is available at https://sites.google.com/view/lr-mpc.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google