論文の概要: Prediction-Error-Tightened MPC for Socially Compliant Crowd Navigation
- arxiv url: http://arxiv.org/abs/2611.15781v1
- Date: Wed, 11 Nov 2026 17:56:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.245896
- Title: Prediction-Error-Tightened MPC for Socially Compliant Crowd Navigation
- Title(参考訳): 社会的に整合した群集ナビゲーションのための予測誤差強調型MPC
- Abstract要約: この研究は、障害物と歩行者検出、クープマンに基づく動き予測、オンライン予測エラー推定を統合することで、従来のMPCフレームワークを拡張した。
混雑したシナリオにおける衝突回避の複雑さを低減するために、近くの障害物を集約する。
- 参考スコア(独自算出の注目度): 37.99720938553826
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous navigation of mobile robots in crowded environments, while preserving pedestrians' psychological comfort, requires distinguishing pedestrians from other obstacles, predicting their future motion, and accounting for uncertainty in the predicted trajectories of both pedestrians and the robot. This work extends a previous MPC framework by integrating obstacle and pedestrian detection, Koopman-based motion prediction, and online prediction-error estimation directly within the collision-avoidance mechanism. To reduce collision-avoidance complexity in crowded scenarios, nearby obstacles are aggregated, thereby reducing the number of collision-avoidance constraints. Simulation studies evaluate the prediction-error margins and the computational benefits of semantics-aware aggregation. In a paired 300-seed closed-loop comparison with a moving generic obstacle, Markov residual tightening reduces the fraction of runs with physical contact from $10.0\%$ to $1.33\%$, at a mean travel-time cost of $0.68$ s. In a separate crowd-navigation semantic ablation, the offline robot-footprint/personal-space overlap occupies $2.11\%$ of observed time with pedestrian-aware handling versus $22.84\%$ with generic-obstacle handling.
- Abstract(参考訳): 混雑した環境での移動ロボットの自律ナビゲーションは、歩行者の心理的快適さを保ちながら、歩行者と他の障害物を区別し、将来の動きを予測し、歩行者とロボットの両方の予測された軌道の不確実性を考慮する必要がある。
本研究は,障害物および歩行者検出,クープマンに基づく動き予測,衝突回避機構内に直接オンライン予測エラー推定を統合することで,従来のMPCフレームワークを拡張した。
混雑したシナリオにおける衝突回避の複雑さを低減するため、近傍の障害物を集約し、衝突回避制約の数を減らす。
シミュレーション研究は、予測エラーマージンとセマンティックス・アウェア・アグリゲーションの計算的利点を評価する。
運動する一般的な障害物と300列の閉ループのペア比較において、マルコフの残留的な締め付けにより、平均走行時間コストが0.68ドル sで、物理的接触によるランの比率が10.0\% から1.33\% に減少する。
個別の群集移動セマンティックアブレーションでは、オフラインのロボット・フットプリント/個人空間オーバーラップは、歩行者対応で2.11\%、一般的障害物対応で2.2.84\%である。
関連論文リスト
- CoopUQ: Robust Multi-Robot Social Navigation via Uncertainty-Aware Cooperative Forecasting [51.001180841180506]
CoopUQは、不確実性を認識した協調的占有率予測と堅牢な意思決定を橋渡しするマルチロボットソーシャルナビゲーションフレームワークである。
本研究は,代表ベースラインよりも予測性能と安全性が向上したことを示す。
論文 参考訳(メタデータ) (2026-10-19T17:59:49Z) - Uncertainty-Aware DRL for Autonomous Vehicle Crowd Navigation in Shared Space [3.487370856323828]
本研究は,モデルフリーDRLアルゴリズムのトレーニングにおいて,予測歩行者状態の不確かさを取り入れた統合予測と計画手法を導入する。
新たな報酬関数により、AVは歩行者の個人的な空間を尊重し、接近中の速度を減少させ、予測された経路との衝突確率を最小化する。
その結果, 衝突速度は40%減少し, 予測の不確実性を考慮しない技術モデルと比較すると, 歩行者との距離は15%増加した。
論文 参考訳(メタデータ) (2024-05-22T20:09:21Z) - Adaptive Human Trajectory Prediction via Latent Corridors [49.13061580045407]
シーン固有の適応軌道予測の問題を定式化する。
本稿では,潜伏回廊と呼ばれる即時チューニングにインスパイアされた新しい適応手法を提案する。
0.1%の追加モデルパラメータでは、MOTシンスシミュレーションデータの改善が23.9%、MOTおよびワイルドトラックにおけるADEが16.4%となる。
論文 参考訳(メタデータ) (2023-12-11T18:59:12Z) - Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
歩行者の立ち止まりと予測の新たな課題を紹介します。
都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。
歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
論文 参考訳(メタデータ) (2022-03-04T18:39:31Z) - Learning Sparse Interaction Graphs of Partially Observed Pedestrians for
Trajectory Prediction [0.3025231207150811]
マルチペデストリアン軌道予測は、非構造環境における群衆と相互作用する自律システムの必然的な安全要素である。
Gumbel Social Transformerを提案し、Edge Gumbel Selectorは、各ステップで部分的に観察された歩行者のスパースグラフをサンプリングする。
提案手法は,仮定によって生じる潜在的な問題を克服し,ベンチマーク評価における関連研究よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-07-15T00:45:11Z) - Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。
歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。
2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文 参考訳(メタデータ) (2021-01-07T06:08:21Z) - Predictive Collision Management for Time and Risk Dependent Path
Planning [1.516865739526702]
我々は,PCMP(Predictive Collision Management Path Planning)と呼ばれる手法を提案する。
PCMPは、移動予測、移動予測の時間依存グラフへの統合、時間とリスクに依存した経路計画という3つの部分からなる時間次元に着目したグラフベースのアルゴリズムである。
その結果, 衝突シナリオの47.3%を回避できると同時に, 1.3%の遠回りを行ない, リスクに敏感なエージェントが回避できることが示唆された。
論文 参考訳(メタデータ) (2020-11-26T14:15:54Z) - Anticipatory Navigation in Crowds by Probabilistic Prediction of
Pedestrian Future Movements [33.37913533544612]
プロセス予測ナビゲーション(Process Precipatory Navigation, SPAN)は、非ホロノミックロボットが群衆のいる環境で移動できるようにするフレームワークである。
SPANは、歩行者の将来の動きをモデル化する継続的プロセスを予測する。
密集したシミュレーション環境でのSPANの能力を実世界の歩行者データセットで示す。
論文 参考訳(メタデータ) (2020-11-12T07:18:20Z) - It Is Not the Journey but the Destination: Endpoint Conditioned
Trajectory Prediction [59.027152973975575]
フレキシブルな人間の軌道予測のための予測条件付きネットワーク(PECNet)を提案する。
PECNetは長距離マルチモーダル軌道予測を支援するために遠方のエンドポイントを推論する。
我々は、PECNetがスタンフォードドローン軌道予測ベンチマークの最先端性能を20.9%改善し、ETH/UCYベンチマークの40.8%向上したことを示す。
論文 参考訳(メタデータ) (2020-04-04T21:27:13Z)
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。