自律移動ロボットのための人間リスク認識型安全経路計画に関する強化学習

科学分野:

• ロボット工学; 人工知能; ヒューマンロボットインタラクション

背景:

• 移動ロボットは、予測不可能な人間の動きがある人間共有空間で動作します。人間の確率性の中でロボットの経路計画における安全性と効率を確保することは、大きな課題です。

研究 の 目的:

• 人間共有環境における移動ロボットのための強化学習ベースの経路計画アルゴリズムを開発すること。ロボットのナビゲーションをより安全にするために、計画段階で人間関連の不確実性を考慮すること。

主な方法:

• マルコフ決定過程学習者が候補経路を生成します。経路除去モジュールは、新しいメトリックを使用して多様性を確保します。モンテカルロシミュレーションされた人間のリスク予測者が最も安全な経路を選択します。

主要な成果:

• 提案手法は、A*、MDP、RRTと比較して衝突を大幅に削減します。様々な設定でタスク成功率が大幅に向上します。複数の人間がいる高密度シナリオでの有効性を示します。

結論:

• 統合アルゴリズムにより、安全かつ効率的なロボット軌道生成が可能になります。継続的な再計画なしに確率的な人間の行動を効果的に処理します。このアプローチは、実際の人間とロボットの協力のための堅牢なソリューションを提供します。