基于带状体神经网络的实时模型预测控制用于双足社交导航
机器人学
2024-03-26 v1
摘要
本研究致力于解决动态人群密集环境中的双足导航挑战，这一研究领域在腿式导航中仍很大程度上未被探索。我们提出了两个级联的基于带状体的神经网络：一个用于预测行人未来轨迹的行人预测网络（Pedestrian Prediction Network, PPN），以及一个用于自我主体社交路径规划的自我主体社交网络（Ego-agent Social Network, ESN）。将未来路径表示为带状体，可以实现高效的基于可达性的规划与碰撞检测。随后，ESN 与模型预测控制器（ESN-MPC）集成，用于我们由 Agility Robotics 设计的双足机器人 Digit 的足迹规划。ESN-MPC 通过优化 ESN 的梯度来求解无碰撞最优轨迹。ESN-MPC 的最优轨迹被发送至底层控制器，以进行 Digit 的全阶仿真。所提出的整体框架通过在随机生成的初始设置及不同人群密度下的大量仿真得到了验证。
引用
@article{arxiv.2403.16485,
title = {Real-time Model Predictive Control with Zonotope-Based Neural Networks for Bipedal Social Navigation},
author = {Abdulaziz Shamsah and Krishanu Agarwal and Shreyas Kousik and Ye Zhao},
journal= {arXiv preprint arXiv:2403.16485},
year = {2024}
}
备注
8 pages, 9 figures