基于地图的深度强化学习实现具备多种避碰策略行人的人群感知机器人导航
机器人学
2021-09-07 v1
摘要
移动机器人在人群中导航是一项挑战。现有方法通常假设行人遵循预定义的避碰策略，如社会力模型(SFM)或最优互易避碰(ORCA)。然而，在行人遵循多种不同避碰策略的实际应用中，其性能通常有待进一步提升。本文中，我们提出一种基于地图的深度强化学习方法，用于具有各类行人的人群感知机器人导航。我们使用传感器地图表示机器人周围的环境信息，包括其形状与障碍物的可观测外观。我们还引入了指定机器人周围行人运动的行人地图。通过将两种地图作为神经网络输入，我们展示了可训练出能更好地与遵循不同避碰策略的行人交互的导航策略。我们在模拟器与实际机器人上的多种场景中评估了我们的方法。结果表明，我们的方法使机器人能成功与各类行人交互，并在成功率方面优于对比方法。
引用
@article{arxiv.2109.02541,
title = {Crowd-Aware Robot Navigation for Pedestrians with Multiple Collision Avoidance Strategies via Map-based Deep Reinforcement Learning},
author = {Shunyi Yao1 and Guangda Chen and Quecheng Qiu and Jun Ma and Xiaoping Chen and Jianmin Ji},
journal= {arXiv preprint arXiv:2109.02541},
year = {2021}
}
备注
7 page