要約
自律型ロボットは社会環境においてますます有力な存在となりつつあります。
効果的な群衆ナビゲーションには、安全かつ迅速な計画が必要であるだけでなく、組み込みデバイス上でリアルタイムに作業するための解釈可能性と計算効率も可能にする必要があります。
この研究では、群集ナビゲーションを可能にする双曲学習を提唱し、Hyp2Nav を導入します。
従来の強化学習ベースの群衆ナビゲーション手法とは異なり、Hyp2Nav は双曲幾何学の固有の特性を利用して、ナビゲーション タスクにおける意思決定プロセスの階層的な性質をより適切にエンコードします。
当社は、競合他社の最先端モデルよりも最大 6 倍少ないパラメーターを使用して、効果的なソーシャル ナビゲーション、最高の成功率、および複数のシミュレーション設定にわたる収益をもたらす双曲線ポリシー モデルと双曲線好奇心モジュールを提案します。
私たちのアプローチを使用すると、2 次元の埋め込み空間で機能するポリシーを取得することも可能になり、低リソースの群衆ナビゲーションとモデルの解釈可能性の新たな可能性が開かれます。
洞察力のあることに、Hyp2Nav の内部双曲線表現は、ロボットが周囲の群衆にどの程度の注意を払うかに相関しています。
独自に計画されたルートではなく、複数の人々がその経路をふさぐか、またはそれらのうちの数人が衝突する計画を示しているためです。
要約(オリジナル)
Autonomous robots are increasingly becoming a strong fixture in social environments. Effective crowd navigation requires not only safe yet fast planning, but should also enable interpretability and computational efficiency for working in real-time on embedded devices. In this work, we advocate for hyperbolic learning to enable crowd navigation and we introduce Hyp2Nav. Different from conventional reinforcement learning-based crowd navigation methods, Hyp2Nav leverages the intrinsic properties of hyperbolic geometry to better encode the hierarchical nature of decision-making processes in navigation tasks. We propose a hyperbolic policy model and a hyperbolic curiosity module that results in effective social navigation, best success rates, and returns across multiple simulation settings, using up to 6 times fewer parameters than competitor state-of-the-art models. With our approach, it becomes even possible to obtain policies that work in 2-dimensional embedding spaces, opening up new possibilities for low-resource crowd navigation and model interpretability. Insightfully, the internal hyperbolic representation of Hyp2Nav correlates with how much attention the robot pays to the surrounding crowds, e.g. due to multiple people occluding its pathway or to a few of them showing colliding plans, rather than to its own planned route.
arxiv情報
| 著者 | Guido Maria D’Amely di Melendugno,Alessandro Flaborea,Pascal Mettes,Fabio Galasso |
| 発行日 | 2024-07-19 07:29:19+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google