論文の概要: Learning Contact-based Navigation in Crowds
- arxiv url: http://arxiv.org/abs/2303.01455v1
- Date: Thu, 2 Mar 2023 18:13:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 13:06:10.555416
- Title: Learning Contact-based Navigation in Crowds
- Title（参考訳）: 群衆における接触型ナビゲーションの学習
- Authors: Kyle Morgenstein, Junfeng Jiao, Luis Sentis
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.7403133838762446
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Navigation strategies that intentionally incorporate contact with humans
(i.e. "contact-based" social navigation) in crowded environments are largely
unexplored even though collision-free social navigation is a well studied
problem. Traditional social navigation frameworks require the robot to stop
suddenly or "freeze" whenever a collision is imminent. This paradigm poses two
problems: 1) freezing while navigating a crowd may cause people to trip and
fall over the robot, resulting in more harm than the collision itself, and 2)
in very dense social environments where collisions are unavoidable, such a
control scheme would render the robot unable to move and preclude the
opportunity to study how humans incorporate robots into these environments.
However, if robots are to be meaningfully included in crowded social spaces,
such as busy streets, subways, stores, or other densely populated locales,
there may not exist trajectories that can guarantee zero collisions. Thus,
adoption of robots in these environments requires the development of minimally
disruptive navigation plans that can safely plan for and respond to contacts.
We propose a learning-based motion planner and control scheme to navigate dense
social environments using safe contacts for an omnidirectional mobile robot.
The planner is evaluated in simulation over 360 trials with crowd densities
varying between 0.0 and 1.6 people per square meter. Our navigation scheme is
able to use contact to safely navigate in crowds of higher density than has
been previously reported, to our knowledge.
- Abstract（参考訳）: 衝突のない社会ナビゲーションはよく研究されている問題だが、密集した環境での人間との接触(すなわち「接触に基づく」社会ナビゲーション)を意図的に取り入れるナビゲーション戦略はほとんど探索されていない。
従来の社会ナビゲーションフレームワークでは、衝突が差し迫ったときにロボットが突然停止するか「凍結」する必要がある。
このパラダイムは2つの問題をもたらします
1)群集を案内しながら凍らせると、人々がロボットを乗り越えたり転んだりする可能性があり、衝突自体よりも害が高まる。
2)衝突が避けられない非常に密集した社会環境では,このような制御スキームによってロボットの移動が不可能になり,人間がロボットをこれらの環境に組み込む方法を研究する機会が妨げられる。
しかし、もしロボットが混雑した街路、地下鉄、店舗、その他の人口密集地などの社会空間に有意義に含まれているなら、衝突をゼロにできる軌道は存在しないかもしれない。
したがって、これらの環境におけるロボットの採用は、連絡先を安全に計画し対応できる最小限の破壊的なナビゲーションプランの開発を必要とする。
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。
このプランナーは、1平方メートルあたり0.0から1.6人の群衆密度が変化する360回の試験で評価される。
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。
関連論文リスト
- Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning [0.0]
本稿では,ロボットのさまざまなエージェントや障害物との相互作用を高める新しい手法を提案する。
このアプローチでは、エンティティタイプに関する情報を使用し、衝突回避を改善し、より安全なナビゲーションを保証する。
本研究では,大人,自転車乗り,子供,静的障害物など,さまざまな物体との衝突に対してロボットをペナルティ化する新たな報酬関数を提案する。
論文 参考訳（メタデータ） (2024-08-26T11:16:03Z) - Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。
Hyp2Navは双曲幾何学の本質的な性質を活用し、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性質をよりよく符号化する。
本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
論文 参考訳（メタデータ） (2024-07-18T14:40:33Z) - SACSoN: Scalable Autonomous Control for Social Navigation [62.59274275261392]
我々は、社会的に邪魔にならないナビゲーションのための政策の訓練方法を開発した。
この反事実的摂動を最小化することにより、共有空間における人間の自然な振る舞いを変えない方法でロボットに行動を促すことができる。
屋内移動ロボットが人間の傍観者と対話する大規模なデータセットを収集する。
論文 参考訳（メタデータ） (2023-06-02T19:07:52Z) - 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) - Dense Crowd Flow-Informed Path Planning [24.849908664615104]
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。
論文 参考訳（メタデータ） (2022-06-01T18:40:57Z) - Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of
Demonstrations for Social Navigation [92.66286342108934]
社会ナビゲーションは、ロボットのような自律的なエージェントが、人間のような他の知的エージェントの存在下で、社会的に従順な方法でナビゲートする能力である。
私たちのデータセットには8.7時間、128の軌道、25マイルの社会的に適合した人間の遠隔運転デモが含まれています。
論文 参考訳（メタデータ） (2022-03-28T19:09:11Z) - 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) - 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) - Visual Navigation Among Humans with Optimal Control as a Supervisor [72.5188978268463]
そこで本研究では,学習に基づく知覚とモデルに基づく最適制御を組み合わせることで,人間間をナビゲートする手法を提案する。
私たちのアプローチは、新しいデータ生成ツールであるHumANavによって実現されています。
学習したナビゲーションポリシーは、将来の人間の動きを明示的に予測することなく、人間に予測し、反応できることを実証する。
論文 参考訳（メタデータ） (2020-03-20T16:13:47Z) - BADGR: An Autonomous Self-Supervised Learning-Based Navigation System [158.6392333480079]
BadGRは、エンドツーエンドの学習ベースのモバイルロボットナビゲーションシステムである。
実際の環境で収集された、自己監督型のオフポリシーデータでトレーニングすることができる。
BadGRは、幾何学的に邪魔な障害物を伴って、現実世界の都市やオフロード環境をナビゲートすることができる。
論文 参考訳（メタデータ） (2020-02-13T18:40:21Z)
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。