[論文レビュー] Decentralized Social Navigation with Non-Cooperative Robots via Bi-Level Optimization

Rohan Chandra, Rahul Menon+3 more|arXiv (Cornell University)|Jun 15, 2023

Evacuation and Crowd Dynamics被引用数 4

ひとこと要約

本稿では、ドアや通路の交差点などの社会的ミニゲームにおける非協力的マルチロボットナビゲーションの完全分散型二段階最適化フレームワークを提案する。まず分散型入札を用いて公平で衝突のない優先順位を決定し、その後、速度のずれを最小限に抑える運動学的・動力学的に妥当な軌道を計画する。提案手法は、最先端の学習ベース手法よりも44%高い性能を達成し、CADRLよりも2倍〜5倍の速度変更が少ない。

ABSTRACT

This paper presents a fully decentralized approach for realtime non-cooperative multi-robot navigation in social mini-games, such as navigating through a narrow doorway or negotiating right of way at a corridor intersection. Our contribution is a new realtime bi-level optimization algorithm, in which the top-level optimization consists of computing a fair and collision-free ordering followed by the bottom-level optimization which plans optimal trajectories conditioned on the ordering. We show that, given such a priority order, we can impose simple kinodynamic constraints on each robot that are sufficient for it to plan collision-free trajectories with minimal deviation from their preferred velocities, similar to how humans navigate in these scenarios. We successfully deploy the proposed algorithm in the real world using F$1/10$ robots, a Clearpath Jackal, and a Boston Dynamics Spot as well as in simulation using the SocialGym 2.0 multi-agent social navigation simulator, in the doorway and corridor intersection scenarios. We compare with state-of-the-art social navigation methods using multi-agent reinforcement learning, collision avoidance algorithms, and crowd simulation models. We show that $(i)$ classical navigation performs $44\%$ better than the state-of-the-art learning-based social navigation algorithms, $(ii)$ without a scheduling protocol, our approach results in collisions in social mini-games $(iii)$ our approach yields $2 imes$ and $5 imes$ fewer velocity changes than CADRL in doorways and intersections, and finally $(iv)$ bi-level navigation in doorways at a flow rate of $2.8 - 3.3$ (ms)$^{-1}$ is comparable to flow rate in human navigation at a flow rate of $4$ (ms)$^{-1}$.

研究の動機と目的

• ドアや通路のような制限された環境を走行する非協力的マルチロボットシステムにおける、安全で効率的かつ社会的適合性のあるナビゲーションの課題に対処すること。
• 深層強化学習（MARL）や群衆シミュレーションモデルといった既存手法の限界を克服すること。これらの手法はシミュレーションから実世界へのギャップ、実世界への展開性の低さ、あるいは協力的行動を仮定している点で問題を抱えている。
• 中央集権的協調なしに、ロボットが優先順位を自主的に決定し、軌道を計画できる分散型でリアルタイムなソリューションを開発すること。
• 非協力的でない目的にもかかわらず、最小限の速度のずれと滑らかで協力的のような動きを示す、人間らしいナビゲーション行動を達成すること。

提案手法

• 二段階最適化フレームワークを用いる：上位段階では、各ロボットが自らの目的に基づいて独立して入札する分散型オークションベースの入札により、公平で衝突のない優先順位を決定する。
• 下位段階の最適化では、割り当てられた優先順位を条件として、運動学的・動力学的に妥当な軌道を計画し、衝突回避を確保するとともに、各ロボットの好ましい速度からのずれを最小限に抑える。
• 各ロボットにシンプルで局所的な運動学的・動力学的制約を課し、優先順位スケジュール下で衝突のないナビゲーションを保証するが、グローバルな状態情報は不要である。
• 各ロボットが自らの優先順位と軌道を独立して計算する分散実装を採用しており、物理的ロボット上でもリアルタイム動作が可能である。
• F1/10カー、Jackal、Spotといった実世界のハードウェアと、SocialGym 2.0のシミュレーションを用いて、多様なシナリオで手法の有効性を検証した。
• シンプルさのため、手作業で設計された優先順位ルールを用いているが、今後の研究では逆最適制御を用いてコスト関数を学習することで、より良い一般化性能を得ることを目的としている。

(a) No scheduling, initial time.

実験結果

リサーチクエスチョン

• RQ1 分散型で非協力的なマルチロボットナビゲーションにおいて、二段階最適化フレームワークが優先順位の決定と軌道計画を有効に分離できるか？
• RQ2 分散型オークションベースの優先順位プロocolが、ドアや通路の交差といった社会的ミニゲームにおいて、衝突のない効率的なナビゲーションを実現できるか？
• RQ3 単純な運動学的・動力学的制約と優先順位を組み合わせることで、最小限の速度のずれを伴う社会的適合性のある軌道が得られるか？
• RQ4 提案手法は、実世界およびシミュレーション環境において、最先端のMARL、RVO、Social Forcesベースラインと比較して、定量的に優れているか？
• RQ5 スケジューリングプロocolが存在しない場合、非協力的ナビゲーションで衝突やデッドロックがどれほど頻発するか？

主な発見

• 提案された二段階最適化を用いた古典的ナビゲーションは、ドアのタスクにおいて、最先端のMARLベースの社会的ナビゲーションアルゴリズムを44%上回る成功確率を達成した。
• スケジューリングプロocolが存在しない場合、社会的ミニゲームで衝突が発生し、安全なナビゲーションのための優先順位決定の必要性が明確に示された。
• 提案手法は、ドアシーンではCADRLと比較して2倍、交差シーンでは5倍の速度変更が少なかった。これは、より高い社会的適合性を示している。
• 流量2.8〜3.3 m/sのドアナビゲーションにおいて、二段階アプローチは4 m/sの人のナビゲーション性能と同等の結果を達成した。これは、強い社会的適合性を示している。
• Only Localベースライン（高レベルポリシーなし）は、ドアシーンでほぼ100%の失敗率を示し、グローバルな協調メカニズムがなければ、局所的ナビゲーションだけでは失敗することを確認した。
• 多くのMARLベースラインは、低い衝突率を報告していたが、これは効果的なナビゲーションによるものではなく、頻繁なデッドロックやタイムアウトによるものであり、その根拠として極めて低い成功率が示された。

(b) No schedule results in collision.