論文の概要: Pedestrian-Robot Interactions on Autonomous Crowd Navigation: Reactive Control Methods and Evaluation Metrics

• arxiv url: http://arxiv.org/abs/2208.02121v1
• Date: Wed, 3 Aug 2022 14:56:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-04 14:23:16.380932
• Title: Pedestrian-Robot Interactions on Autonomous Crowd Navigation: Reactive Control Methods and Evaluation Metrics
• Title（参考訳）: 自律的群集ナビゲーションにおける歩行者とロボットの相互作用:反応性制御法と評価指標
• Authors: Diego Paez-Granados, Yujie He, David Gonon, Dan Jia, Bastian Leibe, Kenji Suzuki, Aude Billard
• Abstract要約: 本稿では,自律移動車を用いた群集ナビゲーション制御フレームワークを提案する。 本研究では, 自然群集における会計効率, コントローラ応答, 群集間相互作用の評価指標を提案する。 反応制御器は,群集ナビゲーションに高速かつ連続的に適応するために必要なタスクを果たす。
• 参考スコア（独自算出の注目度）: 23.389778235940405
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous navigation in highly populated areas remains a challenging task for robots because of the difficulty in guaranteeing safe interactions with pedestrians in unstructured situations. In this work, we present a crowd navigation control framework that delivers continuous obstacle avoidance and post-contact control evaluated on an autonomous personal mobility vehicle. We propose evaluation metrics for accounting efficiency, controller response and crowd interactions in natural crowds. We report the results of over 110 trials in different crowd types: sparse, flows, and mixed traffic, with low- (< 0.15 ppsm), mid- (< 0.65 ppsm), and high- (< 1 ppsm) pedestrian densities. We present comparative results between two low-level obstacle avoidance methods and a baseline of shared control. Results show a 10% drop in relative time to goal on the highest density tests, and no other efficiency metric decrease. Moreover, autonomous navigation showed to be comparable to shared-control navigation with a lower relative jerk and significantly higher fluency in commands indicating high compatibility with the crowd. We conclude that the reactive controller fulfils a necessary task of fast and continuous adaptation to crowd navigation, and it should be coupled with high-level planners for environmental and situational awareness.
• Abstract（参考訳）: 人口の多い地域での自律ナビゲーションは、非構造的な状況下で歩行者と安全に対話することの難しさから、ロボットにとって難しい課題である。 本研究では,自律型個人移動車上での連続的障害物回避と後接触制御を実現する群集ナビゲーション制御フレームワークを提案する。 本研究では,自然群集における会計効率,コントローラ応答,群集間相互作用の評価指標を提案する。 本報告では, スパース, フロー, 混合交通, 低 (0.15 ppsm), 中 (0.65 ppsm), 高 (1 ppsm) 歩行者密度の110以上の実験結果について報告する。 2つの低レベル障害物回避法と共有制御のベースラインの比較結果を示す。 その結果,最大密度試験では目標までの相対時間が10%減少し,他の効率指標は低下しなかった。 さらに、自律ナビゲーションは、群集との互換性が高いことを示すコマンドにおいて、相対的ジャークの低い共有制御ナビゲーションに匹敵する傾向を示した。 反応制御器は,群集ナビゲーションに迅速かつ連続的に適応するために必要なタスクを満足させ,環境・状況認識のための高レベルプランナーと組み合わせるべきである。

関連論文リスト

• Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
  都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。 本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。 モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。 私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
  論文  参考訳（メタデータ） (2024-05-03T00:29:20Z)
• Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
  ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。 本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:54:03Z)
• Multi-model fusion for Aerial Vision and Dialog Navigation based on human attention aids [69.98258892165767]
  本稿では,2023年ICCV会話史のための航空航法課題について述べる。 本稿では,人間注意支援型トランスフォーマモデル(HAA-Transformer)と人間注意支援型LSTMモデル(HAA-LSTM)の融合訓練方法を提案する。
  論文  参考訳（メタデータ） (2023-08-27T10:32:52Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in Complex Environments [55.204450019073036]
  本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。 本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。 ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
  論文  参考訳（メタデータ） (2022-09-07T00:35:27Z)
• An adaptive admittance controller for collaborative drilling with a robot based on subtask classification via deep learning [2.7823969627873986]
  pHRIタスクには, アイドル, ドライビング, コンタクトという3つのサブタスクがある。 この分類に基づいて、人間とロボットの相互作用を制御するアクセタンスコントローラのパラメータをリアルタイムで適応的に調整する。 実験結果から、ANNモデルは、12人の被験者に対して98%の精度で、異なるアクセント制御条件下でサブタスクを検出することができることがわかった。
  論文  参考訳（メタデータ） (2022-05-28T15:28:12Z)
• Multi-Task Conditional Imitation Learning for Autonomous Navigation at Crowded Intersections [4.961474432432092]
  歩行者との対話を必要とする混雑した交差点での自律ナビゲーションに重点を置いている。 横方向と縦方向の両方の制御タスクに適応するために,マルチタスク条件付き模倣学習フレームワークを提案する。 IntersectNavと呼ばれる新しいベンチマークが開発され、人間のデモが提供されている。
  論文  参考訳（メタデータ） (2022-02-21T11:13:59Z)
• Optimizing Mixed Autonomy Traffic Flow With Decentralized Autonomous Vehicles and Multi-Agent RL [63.52264764099532]
  本研究では、完全分散制御方式を用いて、混合自律環境でのボトルネックのスループットを向上させる自動運転車の能力について検討する。 この問題にマルチエージェント強化アルゴリズムを適用し、5%の浸透速度で20%から40%の浸透速度で33%までのボトルネックスループットの大幅な改善が達成できることを実証した。
  論文  参考訳（メタデータ） (2020-10-30T22:06:05Z)
• L2B: Learning to Balance the Safety-Efficiency Trade-off in Interactive Crowd-aware Robot Navigation [11.893324664457548]
  Learning to Balance(L2B)フレームワークにより、モバイルロボットエージェントは、群衆との衝突を避けることにより、目的地に向かって安全に操縦することができる。 観衆を意識したナビゲーションにおける安全性と効率の要件は,エージェントと観衆の間での社会的ジレンマの存在においてトレードオフがあることを観察する。 我々は,我々のL2Bフレームワークを挑戦的な群集シミュレーションで評価し,航法成功率と衝突速度の両方の観点から,最先端の航法アプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-20T11:40:29Z)
• Neural-Swarm: Decentralized Close-Proximity Multirotor Control Using Learned Interactions [37.21942432077266]
  マルチロータ群を近接飛行する非線形分散安定制御系であるNeural-Sを提案する。 提案手法は,高次多車間相互作用を正確に学習する正規化置換不変ディープニューラルネットワーク(DNN)と,名目力学モデルを組み合わせたものである。 実験結果から,提案した制御器は,最大4倍の最悪ケース高追尾誤差を有するベースライン非線形追尾制御器よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-03-06T01:39:19Z)

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。