利用基于语义深度强化学习的导航增强拥挤环境中的导航安全性
机器人学
2021-09-24 v1 机器学习
摘要
在社交人群中智能导航是移动机器人在配送、医疗或辅助等应用中的关键方面。深度强化学习（Deep Reinforcement Learning）作为保守方法的替代规划方法出现，并有望实现更高效和灵活的导航。然而，在采用不同障碍类别的高度动态环境中，安全导航仍是一项重大挑战。本文中，我们提出一种基于语义深度强化学习的导航方法，通过考虑高层障碍信息来传授特定对象的安全规则。具体而言，智能体通过考量特定危险区域来学习特定对象的行为，以增强在脆弱对象类别周围的安全性。我们针对一种基准障碍物规避方法测试了该方案，发现安全性有所提升。此外，我们证明智能体能够通过保持依赖于语义信息的个体安全距离来学会更安全地导航。
引用
@article{arxiv.2109.11288,
title = {Enhancing Navigational Safety in Crowded Environments using Semantic-Deep-Reinforcement-Learning-based Navigation},
author = {Linh Kästner and Junhui Li and Zhengcheng Shen and Jens Lambrecht},
journal= {arXiv preprint arXiv:2109.11288},
year = {2021}
}
备注
7 pages, 5 figures, 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)