DenseCAvoid：利用预期行为在密集人群中的实时导航
机器人学
2020-02-11 v1
摘要
我们提出 DenseCAvoid，一种通过预期行人行为来导航机器人穿越密集人群并避免碰撞的新型导航算法。我们的方法使用视觉传感器与行人轨迹预测算法，在一组输入帧中跟踪行人，并提供在未来时刻外推行人位置的边界框。我们的混合方法将该轨迹预测与基于深度强化学习的避碰方法相结合，以训练策略在运行时生成更平滑、更安全且更鲁棒的轨迹。我们在包含多行人的静态与动态场景的真实感 3D 仿真中训练策略。在实践中，我们的混合方法对未见过的真实场景泛化良好，并能在室内场景（包括狭窄走廊与大厅）中导航机器人穿越密集人群（约每平方米 1-2 人）。与未使用预测的情况相比，我们观察到该方法将机器人在人群中冻结的发生率降低多达 48%，且在轨迹长度与到达目标平均时间方面表现相当。
引用
@article{arxiv.2002.03038,
title = {DenseCAvoid: Real-time Navigation in Dense Crowds using Anticipatory Behaviors},
author = {Adarsh Jagan Sathyamoorthy and Jing Liang and Utsav Patel and Tianrui Guan and Rohan Chandra and Dinesh Manocha},
journal= {arXiv preprint arXiv:2002.03038},
year = {2020}
}
备注
8 pages, 5 figures