Multi-Robot Cooperative Navigation in Crowds: A Game-Theoretic Learning-Based Model Predictive Control Approach

要約

この論文では、複数のロボットが混雑した環境を移動するときにそれらを調整するための制御フレームワークを開発します。
私たちのフレームワークは、各ロボットのローカルモデル予測制御（MPC）と歩行者の軌跡を予測する社会的長期短期記憶モデルで構成されています。
私たちは、個々のロボットごとに、個別の目標と共有の目標の両方を含むローカル MPC 定式化を策定します。後者はロボット間の協調の出現を促進します。
次に、マルチロボット ナビゲーションと人間とロボットのインタラクションを、それぞれ潜在的なゲームと 2 人プレイ ゲームとして考慮し、反復最適応答アプローチを採用して、結果として生じる最適化問題を集中的かつ分散的に解決します。
最後に、シミュレーションされた群衆ナビゲーションにおけるロボット間の調整の有効性を実証します。

要約(オリジナル)

In this paper, we develop a control framework for the coordination of multiple robots as they navigate through crowded environments. Our framework comprises of a local model predictive control (MPC) for each robot and a social long short-term memory model that forecasts pedestrians’ trajectories. We formulate the local MPC formulation for each individual robot that includes both individual and shared objectives, in which the latter encourages the emergence of coordination among robots. Next, we consider the multi-robot navigation and human-robot interaction, respectively, as a potential game and a two-player game, then employ an iterative best response approach to solve the resulting optimization problems in a centralized and distributed fashion. Finally, we demonstrate the effectiveness of coordination among robots in simulated crowd navigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google