Belief Aided Navigation using Bayesian Reinforcement Learning for Avoiding Humans in Blind Spots

要約

移動ロボットのナビゲーションに関する最近の研究は、混雑した環境における社会を意識したナビゲーションに焦点を当てています。
しかし、既存の方法は人間とロボットの相互作用を適切に考慮しておらず、全方向センサーからの正確な位置情報を必要とするため、実用的な用途には適していません。
このニーズに応えて、この研究では、部分的に観察可能なマルコフ決定プロセスのフレームワークを前提とした新しいアルゴリズムであるBNBRL+を導入し、観察不可能な領域のリスクを評価し、不確実性の下での移動戦略を策定します。
BNBRL+ は、信念アルゴリズムとベイジアン ニューラル ネットワークを統合し、人間の位置データに基づいて確率的に信念を推論します。
さらに、ロボット、人間、推定信念の間のダイナミクスを統合してナビゲーション パスを決定し、報酬関数内に社会規範を埋め込むことで、社会を意識したナビゲーションを促進します。
この研究では、さまざまなリスクを伴うシナリオでの実験を通じて、死角のある混雑した環境をナビゲートする際の BNBRL+ の有効性を検証しました。
視界が限られた空間で効果的にナビゲーションし、障害物を動的に回避するモデルの機能により、自動運転車の安全性と信頼性が大幅に向上します。

要約(オリジナル)

Recent research on mobile robot navigation has focused on socially aware navigation in crowded environments. However, existing methods do not adequately account for human robot interactions and demand accurate location information from omnidirectional sensors, rendering them unsuitable for practical applications. In response to this need, this study introduces a novel algorithm, BNBRL+, predicated on the partially observable Markov decision process framework to assess risks in unobservable areas and formulate movement strategies under uncertainty. BNBRL+ consolidates belief algorithms with Bayesian neural networks to probabilistically infer beliefs based on the positional data of humans. It further integrates the dynamics between the robot, humans, and inferred beliefs to determine the navigation paths and embeds social norms within the reward function, thereby facilitating socially aware navigation. Through experiments in various risk laden scenarios, this study validates the effectiveness of BNBRL+ in navigating crowded environments with blind spots. The model’s ability to navigate effectively in spaces with limited visibility and avoid obstacles dynamically can significantly improve the safety and reliability of autonomous vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google