ZAPP! Zonotope Agreement of Prediction and Planning for Continuous-Time Collision Avoidance with Discrete-Time Dynamics

要約

過去数年間で、モバイル ロボットの安全で広範な展開に不可欠な 2 つの面、つまり複数のエージェントの不確実な動作の予測と、不確実性の下でのロボットの動作の計画という 2 つの面で大きな進歩が見られました。
しかし、それぞれの面で必要とされる数値的手法は、予測と計画の表現の不一致をもたらしました。
予測では、数値的な扱いやすさは通常、時間を粗く離散化し、多峰性のマルチエージェント相互作用を無限のサポートを持つ分布として表すことによって達成されます。
一方、安全な計画を立てるには通常、保守性を減らし数値の扱いやすさを確保するために、コンパクトなサポートを備えた分布と組み合わせた非常に細かい時間の離散化が必要です。
その結果、既存の予測要素を計画と制御と組み合わせると、安全でない動作計画が見つかることがよくあります。
本稿では、表現の不一致を解決するための ZAPP (Zonotope Contract of Prediction and Planning) を提案します。
ZAPP は、予測に適した粗時間離散化と計画に適したゾノトープ不確実性表現を統合します。
この方法では、ゾノトープ衝突チェックによる差別化も可能になり、勾配ベースの最適化フレームワーク内で予測と計画を統合できるようになります。
数値例は、ZAPP がインタラクティブ シーンでベースラインと比較してどのように安全な軌道を生成できるかを示しています。

要約(オリジナル)

The past few years have seen immense progress on two fronts that are critical to safe, widespread mobile robot deployment: predicting uncertain motion of multiple agents, and planning robot motion under uncertainty. However, the numerical methods required on each front have resulted in a mismatch of representation for prediction and planning. In prediction, numerical tractability is usually achieved by coarsely discretizing time, and by representing multimodal multi-agent interactions as distributions with infinite support. On the other hand, safe planning typically requires very fine time discretization, paired with distributions with compact support, to reduce conservativeness and ensure numerical tractability. The result is, when existing predictors are coupled with planning and control, one may often find unsafe motion plans. This paper proposes ZAPP (Zonotope Agreement of Prediction and Planning) to resolve the representation mismatch. ZAPP unites a prediction-friendly coarse time discretization and a planning-friendly zonotope uncertainty representation; the method also enables differentiating through a zonotope collision check, allowing one to integrate prediction and planning within a gradient-based optimization framework. Numerical examples show how ZAPP can produce safer trajectories compared to baselines in interactive scenes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google