基于多模态人体轨迹预测的风险敏感序列动作控制用于安全人群—机器人交互

本文提出一种基于风险敏感随机最优控制的在线安全人群—机器人交互新框架，其中风险由熵风险测度建模。该基于采样的模型预测控制依赖于该风险测度的模式插入梯度优化，以及 Trajectron++——一种为多个交互智能体生成多模态概率轨迹预测的前沿生成模型。我们的模块化方法将人群—机器人交互解耦为基于学习的预测与基于模型的控制，相较于端到端策略学习方法，其优势在于允许在运行时指定机器人期望行为。特别地，我们展示了通过调节风险敏感参数，机器人表现出多样的交互行为。仿真研究与真实实验表明，所提在线框架能够在场景中与超过 50 名人类避免碰撞的同时，完成安全高效的导航。