[論文レビュー] SEAN: Social Environment for Autonomous Navigation

Nathan Tsoi, Mohamed Hussein+3 more|arXiv (Cornell University)|Sep 9, 2020

Evacuation and Crowd Dynamics参考文献 24被引用数 5

ひとこと要約

SEAN は、Unity と ROS を基盤に構築されたオープンソースで高精細なシミュレーションプラットフォームであり、動的で歩行者が多い環境における社会的ナビゲーションアルゴリズムの評価を目的としている。自動化された試行実行、ナビゲーションおよび社会的相互作用のメトリクスのログ記録、複数のロボットとシーンのサポートを通じて再現可能なベンチマーク評価を可能にし、複雑な環境下での自動ナビゲーションと遠隔操作の間で顕著な性能差が示された。

ABSTRACT

Social navigation research is performed on a variety of robotic platforms, scenarios, and environments. Making comparisons between navigation algorithms is challenging because of the effort involved in building these systems and the diversity of platforms used by the community; nonetheless, evaluation is critical to understanding progress in the field. In a step towards reproducible evaluation of social navigation algorithms, we propose the Social Environment for Autonomous Navigation (SEAN). SEAN is a high visual fidelity, open source, and extensible social navigation simulation platform which includes a toolkit for evaluation of navigation algorithms. We demonstrate SEAN and its evaluation toolkit in two environments with dynamic pedestrians and using two different robots.

研究の動機と目的

• 社会的ロボットナビゲーションアルゴリズムを評価するための標準化され、高精細なシミュレーション環境の不足に対処すること。
• 多様なシナリオとロボットプラットフォームを横断して、ナビゲーション手法の公平かつ再現可能なベンチマーク評価を可能にすること。
• 高視覚的精細度と ROS との統合を活用して、ナビゲーションシステムの開発とテストを支援すること。
• 系統的なアルゴリズム比較のためのナビゲーションおよび社会的相互作用メトリクスのログ記録を提供するツールキットを提供すること。
• ナビゲーション行動の定性的および定量的評価を可能にすることで、今後のヒューマンロボットインタラクション分野の研究を促進すること。

提案手法

• SEAN は、物理的およびレンダリングの高精細度を実現するため、NVIDIA PhysX を搭載した Unity 3D ゲームエンジンを活用している。
• ROS# を介して ROS と統合され、既存のナビゲーションソフトウェアスタックおよび遠隔操作との互換性をサポートしている。
• プラットフォームには、インDoorラボと、動的に移動する歩行者を有する屋外シティ環境の2つの事前構築済みシーンが含まれている。
• 歩行者エージェントは、群衆フロー予測と Unity のパスファインディングを用いて生成され、密度および目的地位置を設定可能である。
• 試行ランナー（Trial Runner）コンponent により、繰り返しのナビゲーション試行が自動化され、ロボットおよびエージェントの初期状態の設定、ナビゲーションの実行、メトリクスのログ記録が行われる。
• ゴール到達確率、到達までの時間、ゴールまでの最終距離、静的および動的障害物との衝突回数、最寄りの歩行者までの距離といった、重要なメトリクスが追跡されている。

実験結果

リサーチクエスチョン

• RQ1 多様な環境において、社会的ロボットナビゲーションアルゴリズムを再現可能で標準化された方法で評価するにはどうすればよいか？
• RQ2 複雑で動的な歩行者環境において、自動ナビゲーションシステムは人間の遠隔操作をどの程度上回るのか？
• RQ3 異なるロボットプラットフォームと環境的文脈は、ナビゲーションパフォーマンスおよび社会的相互作用メトリクスにどのように影響を与えるか？
• RQ4 シミュレーションベースの評価は、社会的ナビゲーションシステムの実世界への展開を信頼性を持って示唆できるか？
• RQ5 ヒューマンロボットインタラクションのシナリオにおいて、ナビゲーション行動を比較する際に最も有用なメトリクスは何か？

主な発見

• 屋外シティシーンでは、ROS ナビゲーションスタックが 29% の成功率にとどまり、平均最終距離は 9.54±8.94 メートルであった。これは、動的環境における顕著な課題を示している。
• ジャッカルロボットの遠隔操作では、ラボ環境で 88%、シティシーンで 80% の成功率を達成し、自動ナビゲーションよりも顕著に低い最終距離（1.14±1.99 m）と、歩行者との衝突回数が少ない（4.63±5.83）ことが確認された。
• ウォルスキー・ロボットは、遠隔操作時、シティシーンで 100% のゴール到達率を達成し、最終距離は 0.48±0.01 メートル、歩行者との衝突はゼロであった。
• 試行ランナーにより、1回の設定に対して 10 エピソードの一貫性のある繰り返し実行が可能となり、初期状態がログ記録され、再現性と公平な比較が確保された。
• プラットフォームは、ROS スタックにおける保守的なナビゲーションポリシーが、マッピングおよび計画段階で人間のアクターを十分に考慮していないために、パフォーマンスが著しく低下していることを示した。
• SEAN のログ記録機能により、ナビゲーション効率と社会的相互作用の両方に関する詳細なメトリクスが収集され、アルゴリズム行動の洗練された比較が可能になった。