HabiCrowd: A High Performance Simulator for Crowd-Aware Visual Navigation

要約

E-AI (Embedded AI) の基本的な側面であるビジュアル ナビゲーションは、ここ数年で大幅に研究されてきました。
視覚的なナビゲーション タスクをサポートするために多くの 3D シミュレーターが導入されていますが、人間のダイナミクスを組み合わせることに向けられた作品はほとんどなく、シミュレーションと現実世界のアプリケーションの間にギャップが生じています。
さらに、人間のダイナミクスを組み込んだ現在の 3D シミュレーターには、特に E-AI シミュレーターの約束である計算効率の点でいくつかの制限があります。
これらの欠点を克服するために、HabiCrowd を導入します。HabiCrowd は、多様な人間設定を備えた群集ダイナミクス モデルをフォトリアリスティックな環境に統合する、群衆を意識したビジュアル ナビゲーションの初の標準ベンチマークです。
経験的評価により、私たちが提案した人間力学モデルは、衝突回避において最先端のパフォーマンスを達成するとともに、同等のモデルと比較して優れた計算効率を示すことが実証されました。
私たちは HabiCrowd を活用して、群衆を意識したビジュアル ナビゲーション タスクと人間とロボットのインタラクションに関するいくつかの包括的な研究を実施しています。
ソース コードとデータは https://habicrowd.github.io/ で見つけることができます。

要約(オリジナル)

Visual navigation, a foundational aspect of Embodied AI (E-AI), has been significantly studied in the past few years. While many 3D simulators have been introduced to support visual navigation tasks, scarcely works have been directed towards combining human dynamics, creating the gap between simulation and real-world applications. Furthermore, current 3D simulators incorporating human dynamics have several limitations, particularly in terms of computational efficiency, which is a promise of E-AI simulators. To overcome these shortcomings, we introduce HabiCrowd, the first standard benchmark for crowd-aware visual navigation that integrates a crowd dynamics model with diverse human settings into photorealistic environments. Empirical evaluations demonstrate that our proposed human dynamics model achieves state-of-the-art performance in collision avoidance, while exhibiting superior computational efficiency compared to its counterparts. We leverage HabiCrowd to conduct several comprehensive studies on crowd-aware visual navigation tasks and human-robot interactions. The source code and data can be found at https://habicrowd.github.io/.

arxiv情報

著者 An Dinh Vuong,Toan Tien Nguyen,Minh Nhat VU,Baoru Huang,Dzung Nguyen,Huynh Thi Thanh Binh,Thieu Vo,Anh Nguyen
発行日 2023-06-20 08:36:08+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク