学習ベース軌道予測を用いたMPCによる群衆ナビゲーション
Model Predictive Control for Crowd Navigation via Learning-Based Trajectory Prediction
深層学習による歩行者軌道予測をモデル予測制御に統合し、実機ロボットで群衆環境でのナビゲーション性能を評価した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Mohamed Parvez Aslam, Bojan Derajic, Mohamed-Khalil Bouzidi, Sebastian Bernhard, Jan Oliver Ringert
分類: cs.RO, cs.AI, cs.SY, eess.SY
原文アブストラクト
Safe navigation in pedestrian-rich environments remains a key challenge for autonomous robots. This work evaluates the integration of a deep learning-based Social-Implicit (SI) pedestrian trajectory predictor within a Model Predictive Control (MPC) framework on the physical Continental Corriere robot. Tested across varied pedestrian densities, the SI-MPC system is compared to a traditional Constant Velocity (CV) model in both open-loop prediction and closed-loop navigation. Results show that SI improves trajectory prediction - reducing errors by up to 76% in low-density settings - and enhances safety and motion smoothness in crowded scenes. Moreover, real-world deployment reveals discrepancies between open-loop metrics and closed-loop performance, as the SI model yields broader, more cautious predictions. These findings emphasize the importance of system-level evaluation and highlight the SI-MPC framework's promise for safer, more adaptive navigation in dynamic, human-populated environments.
関連論文
- 予測誤差を考慮したMPCによる社会的配慮型群衆ナビゲーション群衆ナビゲーション
- 危険を冒すな！LiDARのみの群衆ナビゲーションのための軌道条件付き分布リスク群衆ナビゲーション
- 適応的楕円型共形予測によるリスク感応型群衆ナビゲーション群衆ナビゲーション
- 軌道品質を重視した群衆ナビゲーション性能向上のための新手法群衆ナビゲーション
- 適合的不確実性処理による群衆ナビゲーションの汎化安全群衆ナビゲーション
- SICNavの実環境展開：MPCと二段階最適化による安全でインタラクティブな群衆ナビゲーション群衆ナビゲーション
