SAFER: Safe Collision Avoidance using Focused and Efficient Trajectory Search with Reinforcement Learning

要約

衝突回避は、移動ロボットやエージェントが現実世界で安全に動作するための鍵です。
この研究では、オペレーターが送信した制御コマンドを修正することで安全性を向上できる、効率的かつ効果的な衝突回避システム SAFER を紹介します。
これは、現実世界の強化学習 (RL)、検索ベースのオンライン軌道計画、および自動緊急介入を組み合わせたものです。
自動緊急ブレーキ (AEB)。
RL の目標は、衝突のない軌道を集中的に探索する際に使用される効果的な修正制御アクションを学習し、自動緊急ブレーキが作動する頻度を減らすことです。
この新しい設定により、RL ポリシーは現実世界の屋内環境でモバイル ロボット上で安全かつ直接学習できるようになり、トレーニング中であっても実際のクラッシュを最小限に抑えることができます。
私たちの実際の実験では、いくつかのベースラインと比較すると、私たちのアプローチは平均速度が高く、衝突率が低く、緊急介入が少なく、計算オーバーヘッドが小さく、全体的な制御がよりスムーズであることが示されています。

要約(オリジナル)

Collision avoidance is key for mobile robots and agents to operate safely in the real world. In this work we present SAFER, an efficient and effective collision avoidance system that is able to improve safety by correcting the control commands sent by an operator. It combines real-world reinforcement learning (RL), search-based online trajectory planning, and automatic emergency intervention, e.g. automatic emergency braking (AEB). The goal of the RL is to learn an effective corrective control action that is used in a focused search for collision-free trajectories, and to reduce the frequency of triggering automatic emergency braking. This novel setup enables the RL policy to learn safely and directly on mobile robots in a real-world indoor environment, minimizing actual crashes even during training. Our real-world experiments show that, when compared with several baselines, our approach enjoys a higher average speed, lower crash rate, less emergency intervention, smaller computation overhead, and smoother overall control.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google