Towards Using Fast Embedded Model Predictive Control for Human-Aware Predictive Robot Navigation

要約

予測計画は、ロボットが人口の多い環境を効率的かつ安全に移動するための重要な機能です。
特に密集したシーンでは、不確実な人間の動きの予測、予測経路計画、および制御をリアルタイムで計算すると、次元の呪いによりコストが高くなる可能性があります。
共有環境でプロアクティブで読みやすいロボットの動きを実現することを目的として、この論文では、高速な組み込みモデル予測制御を使用したヒューマン モーション アウェア ナビゲーションのための計算効率の高いアルゴリズムである HuMAN-MPC を紹介します。
このアプローチは、逐次二次計画法のリアルタイム反復スキームに基づく高速な最先端の最適化バックエンドを活用する新しいモデル予測制御 (MPC) 定式化で構成され、実現可能性の監視も提供します。
シミュレーションと完全に統合された ROS ベースのプラットフォームでの実験では、このアプローチが、パスの品質や結果として生じる回避動作の効率を損なうことなく、高速な計算時間で優れたスケーラビリティを実現していることがわかりました。

要約(オリジナル)

Predictive planning is a key capability for robots to efficiently and safely navigate populated environments. Particularly in densely crowded scenes, with uncertain human motion predictions, predictive path planning, and control can become expensive to compute in real time due to the curse of dimensionality. With the goal of achieving pro-active and legible robot motion in shared environments, in this paper we present HuMAN-MPC, a computationally efficient algorithm for Human Motion Aware Navigation using fast embedded Model Predictive Control. The approach consists of a novel model predictive control (MPC) formulation that leverages a fast state-of-the-art optimization backend based on a sequential quadratic programming real-time iteration scheme while also providing feasibility monitoring. Our experiments, in simulation and on a fully integrated ROS-based platform, show that the approach achieves great scalability with fast computation times without penalizing path quality and efficiency of the resulting avoidance behavior.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google