[논문 리뷰] SEAN: Social Environment for Autonomous Navigation

Nathan Tsoi, Mohamed Hussein외 3명|arXiv (Cornell University)|2020. 09. 09.

Evacuation and Crowd Dynamics참고 문헌 24인용 수 5

한 줄 요약

SEAN은 유니티와 ROS 기반으로 구축된 오픈소스 고정밀 시뮬레이션 플랫폼으로, 동적인 보행자 밀도가 높은 환경에서 사회적 주행 알고리즘을 평가하는 데 목적을 두고 있다. 자동화된 시도 실행, 주행 및 사회적 상호작용 메트릭 기록, 다중 로봇 및 시나리오 지원을 통해 재현 가능한 벤치마킹을 가능하게 하며, 복잡한 환경에서 자동 주행과 원격 조작 간의 성능 차이가 뚜렷하게 드러나 있다.

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.

연구 동기 및 목표

• 사회적 로봇 주행 알고리즘을 평가하기 위한 표준화되고 고정밀도의 시뮬레이션 환경 부족 문제를 해결하기 위해.
• 다양한 시나리오와 로봇 플랫폼 간에 공정하고 반복 가능한 주행 방법 평가를 가능하게 하기 위해.
• 고해상도 시각적 품질과 ROS 통합을 통해 주행 시스템 개발 및 테스트를 지원하기 위해.
• 체계적인 알고리즘 비교를 위한 주행 및 사회적 상호작용 메트릭 기록을 위한 툴킷을 제공하기 위해.
• 향후 인간-로봇 상호작용 연구를 촉진하기 위해 주행 행동의 정성적 및 정량적 평가를 가능하게 하기 위해.

제안 방법

• SEAN은 고정밀도 물리 및 렌더링을 위해 NVIDIA PhysX를 통합한 유니티 3D 게임 엔진을 활용한다.
• ROS#를 통한 ROS 통합을 통해 기존 주행 소프트웨어 스택 및 원격 조작과의 호환성을 지원한다.
• 플랫폼에는 사전 구축된 두 가지 시나리오가 포함되어 있다: 실내 실험실과 실외 도시 환경이며, 동적으로 이동하는 보행자가 존재한다.
• 보행자 에이전트는 군중 흐름 예측과 유니티의 경로 탐색 기능을 사용해 생성되며, 밀도 및 목적지 위치를 구성 가능하다.
• 시험 실행기( Trial Runner ) 컴ponent는 반복적인 주행 시험을 자동화하며, 로봇 및 에이전트 상태 초기화, 주행 실행, 메트릭 기록을 수행한다.
• 시스템은 목표 달성 가능성, 목표 도달 시간, 최종 목표 거리, 정적 및 동적 장애물과의 충돌 수, 가장 가까운 보행자와의 거리 등 핵심 메트릭을 추적한다.

실험 결과

연구 질문

• RQ1 다양한 환경에서 사회적 로봇 주행 알고리즘을 어떻게 재현 가능하고 표준화된 방식으로 평가할 수 있는가?
• RQ2 복잡하고 동적인 보행자 환경에서 자동 주행 시스템이 인간의 원격 조작에 비해 어느 정도 뛰어나게 성능을 발휘하는가?
• RQ3 다른 로봇 플랫폼과 환경적 맥락은 주행 성능 및 사회적 상호작용 메트릭에 어떤 영향을 미치는가?
• RQ4 시뮬레이션 기반 평가는 사회적 주행 시스템의 실세계 구현을 신뢰할 수 있게 이끌 수 있는가?
• RQ5 인간-로봇 상호작용 시나리오에서 주행 행동을 비교할 때 가장 유의미한 메트릭은 무엇인가?

주요 결과

• 실외 도시 시나리오에서 ROS 주행 스택은 성공률가 29%에 그치며 평균 최종 거리는 9.54±8.94미터로, 동적 환경에서의 도전 과제가 뚜렷하게 드러났다.
• 잭알 로봇의 원격 조작은 실험실에서 88%, 도시 시나리오에서 80%의 성공률를 기록했으며, 자동 주행보다 훨씬 낮은 최종 거리(1.14±1.99m)와 적은 보행자 충돌 수(4.63±5.83)를 기록했다.
• 워스터그 로봇는 원격 조작 시 도시 시나리오에서 100% 목표 달성률을 기록했으며, 최종 거리는 0.48±0.01미터였고 보행자 충돌은 0건이었다.
• 시험 실행기( Trial Runner )는 각 구성에 대해 10개의 에피소드를 일관되고 반복 가능한 방식으로 실행했으며, 초기 조건을 기록하여 재현성과 공정한 비교를 보장했다.
• 플랫폼는 ROS 스택의 보수적인 주행 정책이 맵핑 및 계획 단계에서 인간 요소를 고려하지 못함으로써 성능이 열악하게 나타났음을 입증했다.
• SEAN의 로깅 기능은 주행 효율성과 사회적 상호작용에 대한 세부 메트릭을 기록하여 알고리즘 행동 간의 세밀한 비교를 가능하게 했다.