SAFER：基于聚焦高效轨迹搜索与强化学习的安全避撞方法
机器人学
2023-06-30 v2 人工智能
摘要
避撞是移动机器人与智能体在真实世界中安全运行的关键。在本工作中，我们提出SAFER，一种高效且有效的避撞系统，能够通过修正操作员发送的控制指令来提升安全性。它结合了真实世界强化学习(RL)、基于搜索的在线轨迹规划，以及自动紧急干预（例如自动紧急制动(AEB)）。RL的目标是学习一种有效的修正控制动作，用于聚焦式搜索无碰撞轨迹，并降低触发自动紧急制动的频率。这一新颖设置使得RL策略能够在真实世界室内环境中的移动机器人上安全且直接地学习，即使在训练期间也最大限度减少实际碰撞。我们的真实世界实验表明，与若干基线相比，我们的方法具有更高的平均速度、更低的碰撞率、更少的紧急干预、更小的计算开销以及更平滑的整体控制。
引用
@article{arxiv.2209.11789,
title = {SAFER: Safe Collision Avoidance using Focused and Efficient Trajectory Search with Reinforcement Learning},
author = {Mario Srouji and Hugues Thomas and Hubert Tsai and Ali Farhadi and Jian Zhang},
journal= {arXiv preprint arXiv:2209.11789},
year = {2023}
}
备注
Accepted in IEEE International Conference on Automation Science and Engineering (CASE), 2023