論文の概要: Safe motion planning with environment uncertainty

• arxiv url: http://arxiv.org/abs/2305.06004v1
• Date: Wed, 10 May 2023 09:29:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 13:38:24.016209
• Title: Safe motion planning with environment uncertainty
• Title（参考訳）: 環境不確実性を考慮した安全動作計画
• Authors: Antony Thomas, Fulvio Mastrogiovanni, Marco Baglietto
• Abstract要約: 本稿では,ロボットの状態と環境の不確実性を考慮した安全な運動計画手法を提案する。 我々はまず,ロボットのローカライゼーションにおける画期的な不確実性を考慮したアプローチを開発する。 次に、衝突確率の正確な式を計算することにより、最先端の手法を拡張する。
• 参考スコア（独自算出の注目度）: 1.4824891788575418
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an approach for safe motion planning under robot state and environment (obstacle and landmark location) uncertainties. To this end, we first develop an approach that accounts for the landmark uncertainties during robot localization. Existing planning approaches assume that the landmark locations are well known or are known with little uncertainty. However, this might not be true in practice. Noisy sensors and imperfect motions compound to the errors originating from the estimate of environment features. Moreover, possible occlusions and dynamic objects in the environment render imperfect landmark estimation. Consequently, not considering this uncertainty can wrongly localize the robot, leading to inefficient plans. Our approach thus incorporates the landmark uncertainty within the Bayes filter estimation framework. We also analyze the effect of considering this uncertainty and delineate the conditions under which it can be ignored. Second, we extend the state-of-the-art by computing an exact expression for the collision probability under Gaussian distributed robot motion, perception and obstacle location uncertainties. We formulate the collision probability process as a quadratic form in random variables. Under Gaussian distribution assumptions, an exact expression for collision probability is thus obtained which is computable in real-time. In contrast, existing approaches approximate the collision probability using upper-bounds that can lead to overly conservative estimate and thereby suboptimal plans. We demonstrate and evaluate our approach using a theoretical example and simulations. We also present a comparison of our approach to different state-of-the-art methods.
• Abstract（参考訳）: 本稿では,ロボットの状態と環境(障害物およびランドマーク位置)の不確実性の下での安全な運動計画手法を提案する。 そこで我々はまず,ロボットのローカライゼーションにおける画期的な不確実性を考慮したアプローチを開発する。 既存の計画手法では、ランドマークの場所はよく知られており、不確実性はほとんどない。 しかし、実際にはそうではないかもしれない。 雑音センサと不完全な動きは、環境特性の推定から生じる誤差と重なる。 さらに、環境内のオクルージョンや動的オブジェクトが不完全なランドマーク推定を行う。 その結果、この不確実性を考慮していないことが、ロボットを誤ってローカライズし、非効率な計画に繋がる。 提案手法はベイズフィルタ推定フレームワークに顕著な不確実性を含む。 また,この不確実性を考慮した場合の効果を分析し,無視できる条件を明らかにする。 第2に,ガウス分布ロボット動作,知覚,障害物位置の不確かさの下での衝突確率の正確な表現を計算し,最先端の手法を拡張する。 衝突確率過程を確率変数の二次形式として定式化する。 ガウス分布の仮定の下では、リアルタイムに計算可能な衝突確率の正確な表現が得られる。 対照的に、既存のアプローチでは、過度に保守的な推定を導き、したがって最適下計画をもたらす上界を用いて衝突確率を近似する。 理論的な例とシミュレーションを用いて,提案手法を実証し,評価する。 また,このアプローチを異なる最先端手法と比較する。

関連論文リスト

• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• PRISM: Probabilistic Real-Time Inference in Spatial World Models [52.878769723544615]
  PRISMはエージェントの動きと視覚知覚の確率的生成モデルにおけるリアルタイムフィルタリングの手法である。 提案手法は10Hzでリアルタイムに動作し,小型・中型屋内環境における最先端SLAMと同等に精度が高い。
  論文  参考訳（メタデータ） (2022-12-06T13:59:06Z)
• Case Studies for Computing Density of Reachable States for Safe Autonomous Motion Planning [8.220217498103313]
  到達可能な状態の密度は、安全クリティカルなシステムのリスクを理解するのに役立つ。 最近の研究は、自律システムの前方到達可能な状態の密度分布をオンラインで計算するためのデータ駆動型アプローチを提供する。 本稿では,不確実性を考慮した安全な経路計画のためのモデル予測制御とモデル予測制御の併用について検討する。
  論文  参考訳（メタデータ） (2022-09-16T17:38:24Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
  我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。 そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。 以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T08:54:10Z)
• Exact and Bounded Collision Probability for Motion Planning under Gaussian Uncertainty [1.3535770763481902]
  本稿では,ガウス分布運動下での衝突確率の計算手法を提案する。 衝突条件は楕円体間の距離として定式化される。 オンラインプランニングにおいて、より高速に計算できる、厳密な上限を提供します。
  論文  参考訳（メタデータ） (2021-10-12T20:45:18Z)
• An Uncertainty Estimation Framework for Probabilistic Object Detection [5.83620245905973]
  本稿では,物体検出における不確実性を推定する2つの一般的な手法を組み合わせた新しい手法を提案する。 我々のフレームワークは、予測の不確実性を近似するために、深いアンサンブルとモンテカルロのドロップアウトを利用する。
  論文  参考訳（メタデータ） (2021-06-28T22:29:59Z)
• An Integrated Localisation, Motion Planning and Obstacle Avoidance Algorithm in Belief Space [1.3535770763481902]
  ノイズセンサとアクティベーションエラーは、環境の特徴を推定しながら導入されたエラーと重なり合う。 本稿では,ロボットの状態推定にこれらの不確実性を取り入れた新しい手法を提案する。 推定ロボット構成に関する衝突確率を計算する。
  論文  参考訳（メタデータ） (2021-01-27T17:47:45Z)
• Localization Uncertainty Estimation for Anchor-Free Object Detection [48.931731695431374]
  アンカーベース物体検出のための既存の不確実性推定手法にはいくつかの制限がある。 アンカーフリー物体検出のためのUADと呼ばれる新しい位置推定不確実性推定手法を提案する。 本手法は,ボックスオフセットの4方向の不確かさを均一に捉え,どの方向が不確実であるかを判断する。
  論文  参考訳（メタデータ） (2020-06-28T13:49:30Z)

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。