Socially Adaptive Path Planning Based on Generative Adversarial Network

要約

自律ナビゲーションの過程におけるロボットと歩行者の自然なインタラクションは、移動ロボットのインテリジェントな開発にとって非常に重要であり、そのためにはロボットが社会ルールを十分に考慮し、歩行者の心理的快適さを保証する必要があります。
ロボット経路計画の分野における研究結果の中で、学習ベースの社会適応アルゴリズムは、特定の人間とロボットの相互作用環境で良好なパフォーマンスを示しています。
しかし、人間とロボットの相互作用シナリオは多様であり、日常生活において常に変化しており、ロボットの社会的に適応した経路計画の一般化については、さらなる研究が残されています。
この問題に対処するために、この研究では、敵対的生成ネットワーク (GAN) と最適高速探索ランダム ツリー (RRT*) ナビゲーション アルゴリズムを組み合わせることにより、新しい社会適応型経路計画アルゴリズムを提案します。
まず、ナビゲーションアルゴリズムをより多くのシナリオに適応させるために、強力な一般化パフォーマンスを備えたGANモデルが提案されています。
第二に、人間とロボットの対話環境でパスを生成するために、GAN モデルに基づく最適高速探索ランダム ツリー ナビゲーション アルゴリズム (GAN-RRT*) が提案されています。
最後に、GAN-RTIRL と呼ばれる社会適応型パス計画フレームワークを提案します。これは、GAN モデルと高速探索ランダム ツリー逆強化学習 (RTIRL) を組み合わせて、計画されたパスと実証パスの間のホモトピー率を向上させます。
GAN-RTIRL フレームワークでは、GAN-RRT* パス プランナーはデモンストレーション パスから GAN モデルを更新できます。
このようにして、ロボットは人間とロボットのインタラクション環境でより擬人化されたパスを生成でき、より複雑な環境ではより強力な一般化が可能になります。
実験結果は、提案した方法がロボットの動作計画の擬人化度および計画されたパスとデモパス間のホモトピー率を効果的に改善できることを明らかにしました。

要約(オリジナル)

The natural interaction between robots and pedestrians in the process of autonomous navigation is crucial for the intelligent development of mobile robots, which requires robots to fully consider social rules and guarantee the psychological comfort of pedestrians. Among the research results in the field of robotic path planning, the learning-based socially adaptive algorithms have performed well in some specific human-robot interaction environments. However, human-robot interaction scenarios are diverse and constantly changing in daily life, and the generalization of robot socially adaptive path planning remains to be further investigated. In order to address this issue, this work proposes a new socially adaptive path planning algorithm by combining the generative adversarial network (GAN) with the Optimal Rapidly-exploring Random Tree (RRT*) navigation algorithm. Firstly, a GAN model with strong generalization performance is proposed to adapt the navigation algorithm to more scenarios. Secondly, a GAN model based Optimal Rapidly-exploring Random Tree navigation algorithm (GAN-RRT*) is proposed to generate paths in human-robot interaction environments. Finally, we propose a socially adaptive path planning framework named GAN-RTIRL, which combines the GAN model with Rapidly-exploring random Trees Inverse Reinforcement Learning (RTIRL) to improve the homotopy rate between planned and demonstration paths. In the GAN-RTIRL framework, the GAN-RRT* path planner can update the GAN model from the demonstration path. In this way, the robot can generate more anthropomorphic paths in human-robot interaction environments and has stronger generalization in more complex environments. Experimental results reveal that our proposed method can effectively improve the anthropomorphic degree of robot motion planning and the homotopy rate between planned and demonstration paths.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google