論文の概要: Dense Crowd Flow-Informed Path Planning
- arxiv url: http://arxiv.org/abs/2206.00705v1
- Date: Wed, 1 Jun 2022 18:40:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-04 06:09:46.984950
- Title: Dense Crowd Flow-Informed Path Planning
- Title（参考訳）: 密度群集流インフォームドパス計画
- Authors: Emily Pruc, Shlomo Zilberstein, and Joydeep Biswas
- Abstract要約: フローフィールド抽出と離散探索は、フローインフォームドパス計画を作成するために使用される。
FIPPを用いたロボットはゴールを素早く達成できただけでなく、従来の技術を用いたロボットよりも社会的に適合していることが判明した。
- 参考スコア（独自算出の注目度）: 24.849908664615104
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Both pedestrian and robot comfort are of the highest priority whenever a
robot is placed in an environment containing human beings. In the case of
pedestrian-unaware mobile robots this desire for safety leads to the freezing
robot problem, where a robot confronted with a large dynamic group of obstacles
(such as a crowd of pedestrians) would determine all forward navigation unsafe
causing the robot to stop in place. In order to navigate in a socially
compliant manner while avoiding the freezing robot problem we are interested in
understanding the flow of pedestrians in crowded scenarios. By treating the
pedestrians in the crowd as particles moved along by the crowd itself we can
model the system as a time dependent flow field. From this flow field we can
extract different flow segments that reflect the motion patterns emerging from
the crowd. These motion patterns can then be accounted for during the control
and navigation of a mobile robot allowing it to move safely within the flow of
the crowd to reach a desired location within or beyond the flow.
We combine flow-field extraction with a discrete heuristic search to create
Flow-Informed path planning (FIPP). We provide empirical results showing that
when compared against a trajectory-rollout local path planner, a robot using
FIPP was able not only to reach its goal more quickly but also was shown to be
more socially compliant than a robot using traditional techniques both in
simulation and on real robots.
- Abstract（参考訳）: 歩行者とロボットの快適性は、ロボットが人間を含む環境に置かれたときに最も優先される。
歩行者を意識しない移動ロボットの場合、安全への欲求は凍るロボット問題につながり、ロボットが大きな動的な障害物群(歩行者群など)に直面した場合、ロボットが停止する原因となるすべての前方のナビゲーションが安全でないと判断される。
凍ったロボットの問題を避けつつ,社会に順応して移動するために,混み合ったシナリオにおける歩行者の流れを理解することに興味がある。
群衆の歩行者を粒子として扱うことによって、システムは時間に依存した流れ場としてモデル化することができる。
このフローフィールドから、群衆から出てくる動きパターンを反映した異なるフローセグメントを抽出することができる。
これらの動きのパターンは、移動ロボットの制御とナビゲーションの間に説明され、群衆のフロー内で安全に動き、フロー内またはそれ以上の所へ到達することができる。
フローフィールド抽出と離散的ヒューリスティック探索を組み合わせてフローインフォームドパス計画(FIPP)を作成する。
本研究では、軌道を走行するローカルパスプランナーと比較した場合、FIPPを用いたロボットは目標をより早く達成できるだけでなく、シミュレーションと実ロボットの両方で従来の技術を用いたロボットよりも社会的に適合していることを示した。
関連論文リスト
- Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。
現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。
本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
論文 参考訳（メタデータ） (2024-07-02T21:00:30Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳（メタデータ） (2023-06-16T17:58:10Z) - Learning Contact-based Navigation in Crowds [1.7403133838762446]
本研究では,全方向移動ロボットの安全な接触を利用して,密集した社会環境をナビゲートする学習型モーションプランナと制御手法を提案する。
私たちのナビゲーションスキームは、以前報告されたよりも高い密度の群衆を安全にナビゲートするためにコンタクトを利用することができます。
論文 参考訳（メタデータ） (2023-03-02T18:13:27Z) - Gesture2Path: Imitation Learning for Gesture-aware Navigation [54.570943577423094]
Gesture2Pathは、画像に基づく模倣学習とモデル予測制御を組み合わせた新しいソーシャルナビゲーション手法である。
実際のロボットに本手法をデプロイし,4つのジェスチャーナビゲーションシナリオに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2022-09-19T23:05:36Z) - Intention Aware Robot Crowd Navigation with Attention-Based Interaction
Graph [3.8461692052415137]
本研究では,高密度で対話的な群集における安全かつ意図に配慮したロボットナビゲーションの課題について検討する。
本稿では,エージェント間の異種相互作用を捕捉するアテンション機構を備えた新しいグラフニューラルネットワークを提案する。
提案手法は,群集ナビゲーションのシナリオにおいて,優れたナビゲーション性能と非侵襲性をロボットが実現できることを実証する。
論文 参考訳（メタデータ） (2022-03-03T16:26:36Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文 参考訳（メタデータ） (2022-02-10T18:50:25Z) - What we see and What we don't see: Imputing Occluded Crowd Structures
from Robot Sensing [7.6272993984699635]
我々は,ロボットの周囲の空間,盲点における人間の占有度を,その知覚能力の範囲を超えて推定する問題に対処する。
この問題は、ロボットの群集のナビゲーション効率と安全性に重要な影響を与えているにもかかわらず、まだ解明されていない。
論文 参考訳（メタデータ） (2021-09-17T12:12:13Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Target Reaching Behaviour for Unfreezing the Robot in a Semi-Static and
Crowded Environment [2.055949720959582]
本研究では,人間の存在により凍結したロボットの進路をクリアする社会規範に不満を呈する車輪付きヒューマノイドロボットに対して,ロボットの動作を提案する。
1)人間の手や腕を検知するヨロv3アルゴリズムを用いた検出モジュール,2)近似ポリシー最適化アルゴリズムを用いたシミュレーションで訓練されたポリシーを利用するジェスチャーモジュール,の2つのモジュールで構成されている。
論文 参考訳（メタデータ） (2020-12-02T13:43:59Z) - Minimizing Robot Navigation-Graph For Position-Based Predictability By
Humans [20.13307800821161]
人間とロボットが同じ空間を移動しながら独自のタスクを遂行している状況では、予測可能な経路が不可欠である。
ロボットの数が増加するにつれて、人間がロボットの進路を予測するための認知的努力は不可能になる。
そこで本研究では,位置に基づく予測可能性のために,ロボットのナビゲーショングラフを最小化することを提案する。
論文 参考訳（メタデータ） (2020-10-28T22:09:10Z) - ProxEmo: Gait-based Emotion Learning and Multi-view Proxemic Fusion for
Socially-Aware Robot Navigation [65.11858854040543]
本稿では,歩行者間のロボットナビゲーションのための感情予測アルゴリズムProxEmoを提案する。
提案手法は歩行歩行から歩行者の知覚された感情を予測し,感情誘導ナビゲーションに使用する。
論文 参考訳（メタデータ） (2020-03-02T17:47:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。