基于密集人群流场信息的路径规划
机器人学
2022-06-03 v1 人工智能
摘要
每当机器人被置于含人的环境中时，行人与机器人的舒适度都是最高优先级。对于无行人感知的移动机器人，这种安全需求会导致冻结机器人问题，即机器人面对大型动态障碍物群（如行人 crowd）时会判定所有前向导航不安全，从而原地停止。为以符合社会规范的方式导航并避免冻结机器人问题，我们有兴趣理解拥挤场景中的行人流。通过将人群中的行人视为由人群本身推动的粒子，我们可将系统建模为随时间变化的流场。从该流场可提取反映人群涌现运动模式的不同流段。这些运动模式可在移动机器人的控制与导航中被考虑，使其能在人群流中安全移动，到达流内或流外的期望位置。我们将流场提取与离散启发式搜索结合，创建了流信息路径规划（FIPP）。我们提供的实证结果表明，相较于轨迹展开局部路径规划器，使用 FIPP 的机器人在仿真和真实机器人上不仅能更快到达目标，而且比使用传统技术的机器人更具社会合规性。
引用
@article{arxiv.2206.00705,
title = {Dense Crowd Flow-Informed Path Planning},
author = {Emily Pruc and Shlomo Zilberstein and Joydeep Biswas},
journal= {arXiv preprint arXiv:2206.00705},
year = {2022}
}