基于社交zonotope网络模型预测控制的社会可接受双足机器人导航
机器人学
2024-06-26 v1
摘要
本研究针对社会双足导航在动态、拥挤的行人环境中的挑战进行了探讨，这一研究领域在四足机器人导航中仍较为不足。我们提出了一种基于zonotope的框架，将预测与运动规划耦合，用于双足ego主体以考虑与周围行人的双向影响。该框架包含社交zonotope网络（SZN），该神经网络预测未来行人可达集合，并为ego主体规划未来的社会可接受可达集合。SZN 作为zonotope生成可达集合，以实现高效的可达性-based 规划、碰撞检测和在线不确定性参数化。添加与四足机器人动态限制相关的损失函数，以补偿人群数据集中未显式存在的限制。这些损失函数使 SZN 能够生成更动态可行的运动路径以提高跟踪效果。将 SZN 集成到模型预测控制器（SZN-MPC）中，用于 Digit 双足机器人的脚步规划。SZN-MPC 通过优化 SZN 的梯度来求解无碰撞轨迹。我们的结果表明，该框架在产生社会可接受路径、保持一致的 locomotion 速度以及最优性方面均显示出有效性。该 SZN-MPC 框架经 extensive 模拟和硬件实验验证。
引用
@article{arxiv.2406.17151,
title = {Socially Acceptable Bipedal Robot Navigation via Social Zonotope Network Model Predictive Control},
author = {Abdulaziz Shamsah and Krishanu Agarwal and Nigam Katta and Abirath Raju and Shreyas Kousik and Ye Zhao},
journal= {arXiv preprint arXiv:2406.17151},
year = {2024}
}
备注
19 pages, 19 figures. arXiv admin note: text overlap with arXiv:2403.16485, arXiv:2310.09969