基于交互感知采样与学习式局部目标预测的模型预测控制
机器人学
2023-10-25 v2
摘要
自主机器人在狭窄、交互密集且人机混合环境中的运动规划具有挑战性。最先进的方法通常将预测与规划分离,先预测其他智能体的轨迹,再在剩余自由空间中规划本体的运动。然而,智能体缺乏对其他个体所受自身影响的感知会导致冻结机器人问题。我们基于交互感知模型预测路径积分(IA-MPPI)控制,并将其与基于学习的轨迹预测相结合,从而放宽其对其他智能体短期目标通信的依赖。我们将该框架应用于在城市运河中航行的自主水面艇(ASVs)。通过在阿姆斯特丹运河真实航段生成人工数据集、调整并训练适用于本领域的预测模型,以及提出提取局部目标的启发式方法,我们实现了规划中的有效协作。我们的方法改善了复杂拥挤环境中自主机器人的导航,对多智能体系统与人机交互具有潜在意义。
引用
@article{arxiv.2309.14931,
title = {Interaction-Aware Sampling-Based MPC with Learned Local Goal Predictions},
author = {Walter Jansma and Elia Trevisan and Álvaro Serra-Gómez and Javier Alonso-Mora},
journal= {arXiv preprint arXiv:2309.14931},
year = {2023}
}
备注
Accepted for presentation at the 2023 IEEE International Symposium on Multi-Robot & Multi-Agent Systems