基于学习的轨迹预测用于群体导航的模型预测控制
机器人学
2025-08-12 v1 人工智能
系统与控制
系统与控制
摘要
在行人密集环境中安全导航仍是自动机器人面临的关键挑战。本工作评估了深度学习基于社交隐式（Social-Implicit, SI）行人轨迹预测器集成到模型预测控制（MPC）框架中，测试于实际 Continental Corriere 机器人上。在不同行人密度下，使用 SI-MPC 系统与传统恒定速度（Constant Velocity, CV）模型进行比较，包括开放式预测和闭环导航。结果表明，SI 改善了轨迹预测——在低密度环境中将误差降低最高可达 76%，并在拥挤场景中增强了安全性和运动平滑性。此外，实际部署揭示了开放式指标与闭环性能之间的差异，SI 模型会生成更宽广、更谨慎的预测。这些发现强调了系统级评估的重要性，并凸显了 SI-MPC 框架在动态人类丰富环境中实现更安全、更自适应导航的前景。
引用
@article{arxiv.2508.07079,
title = {Model Predictive Control for Crowd Navigation via Learning-Based Trajectory Prediction},
author = {Mohamed Parvez Aslam and Bojan Derajic and Mohamed-Khalil Bouzidi and Sebastian Bernhard and Jan Oliver Ringert},
journal= {arXiv preprint arXiv:2508.07079},
year = {2025}
}