[논문 리뷰] Towards a Unified Planner For Socially-Aware Navigation

Santosh Balajee Banisetty, David Feil-Seifer|arXiv (Cornell University)|2018. 10. 01.

Social Robot Interaction and HRI참고 문헌 24인용 수 4

한 줄 요약

이 논문은 사회적 맥락이 다양하게 변화하는 환경에서 로봇 주행을 동적으로 적응시킬 수 있도록 하는 통합 사회적 인지 주행(USAN) 아키텍처를 제안한다. 이 아키텍처는 맥락 분류기, 의도 인식 및 다목적 국소 계획기(PaCcET)를 통해 작동하며, ROS 주행 스택에 통합되어 사람들의 개인 공간과 사회적 규범을 존중하는 사회적으로 타당한 경로(예: 줄을 서거나 그룹 내에 위치하기)를 생성한다. 기존의 전통적 계획기들보다 성능과 사회적 수용성 측면에서 뛰어난 성능을 보였다.

ABSTRACT

This paper presents the framework for a novel Unified Socially-Aware Navigation (USAN) architecture and explains its need in Socially Assistive Robotics (SAR) applications. Our approach emphasizes interpersonal distance and how spatial communication can be used to build a unified planner for a human-robot collaborative environment. Socially-Aware Navigation (SAN) is vital for helping humans to feel comfortable and safe around robots; HRI studies have shown the importance of SAN transcends safety and comfort. SAN plays a crucial role in perceived intelligence, sociability and social capacity of the robot, thereby increasing the acceptance of the robots in public places. Human environments are very dynamic and pose serious social challenges to robots intended for interactions with people. For the robots to cope with the changing dynamics of a situation, there is a need to infer intent and detect changes in the interaction context. SAN has gained immense interest in the social robotics community; to the best of our knowledge, however, there is no planner that can adapt to different interaction contexts spontaneously after autonomously sensing the context. Most of the recent efforts involve social path planning for a single context. In this work, we propose a novel approach for a unified architecture to SAN that can plan and execute trajectories for an autonomously sensed interaction context that are human-friendly. Our approach augments the navigation stack of the Robot Operating System (ROS) utilizing machine learning and optimization tools. We modified the ROS navigation stack using a machine learning-based context classifier and a PaCcET based local planner for us to achieve the goals of USAN. We discuss our preliminary results and concrete plans on putting the pieces together in achieving USAN.

연구 동기 및 목표

• 현재 단일 고정 맥락에서만 작동하는 로봇이 사회적 주행 능력이 부족한 문제를 해결한다.
• 주행 중 개인 공간과 사회적 규범을 존중함으로써 인간-로봇 상호작용을 향상시킨다.
• perception, 맥락 이해, 운동 계획을 통합한 모듈러하고 확장 가능한 사회적 인지 주행 아키텍처를 개발한다.
• 로봇이 상호작용 맥락을 자동으로 탐지하고 해당 맥락에 맞는 적절한 주행 목표를 선택할 수 있도록 한다.
• 로봇의 주행 행동을 인간의 사회적 기대와 거리 규칙(프록세믹스)에 맞추어 공공 공간에서의 수용도를 높인다.

제안 방법

• ‘만남’, ‘함께 걷기’, ‘줄 서서 기다리기’ 등의 상호작용 시나리오를 탐지할 수 있도록 머신러닝 기반 맥락 분류기를 ROS 주행 스택에 통합한다.
• 실시간으로 다중 사회적 및 성능 목표(예: 거리, 근접도, 그룹 정렬)를 최적화하는 PaCcET 기반 국소 계획기를 통합한다.
• 검출된 맥락에 따라 관련된 사회적 목표를 동적으로 선택하는 카디널 목표 선택기 사용 (예: 줄에 합류하거나 그룹 내에 위치하기).
• 다목적 최적화를 적용하여 사회적 규범(예: 프록세믹스)과 기존의 주행 지표(예: 시간, 거리)를 균형 있게 반영한 경로를 생성한다.
• 다양한 로봇 플랫폼과 환경에 맞게 맞춤형 perception 및 계획 모듈을 쉽게 통합할 수 있도록 모듈러 시스템 설계.
• 성능 및 사회적 수용성 지표를 사용하여 시뮬레이션과 PR2 및 Pioneer 로봇을 활용한 계획된 실험을 통해 아키텍처를 검증한다.

실험 결과

연구 질문

• RQ1 로봇은 주행 중 다양한 사회적 상호작용 맥락을 자동으로 탐지하고 그에 맞게 적응할 수 있는가?
• RQ2 다양한 사회적 상황에서 인간에게 친화적인 경로를 생성하기 위해 가장 효과적인 사회적 목표와 성능 목표의 조합은 무엇인가?
• RQ3 통합 계획기의 경우, 특정 맥락에 특화된 계획기보다 사회적 수용성과 주행 효율성 측면에서 뛰어나게 작동할 수 있는가?
• RQ4 사람들은 사회적 규범을 준수하는 로봇 주행 행동을 기존의 비사회적 계획기와 비교해 어떻게 인식하고 반응하는가?
• RQ5 로봇 주행의 사회적 품질을 인간-로봇 상호작용 환경에서 가장 잘 측정할 수 있는 지표는 무엇인가?

주요 결과

• 제안된 USAN 아키텍처는 맥락 분류, 의도 인식, 다목적 계획을 통합하여 맥락 인지 경로를 성공적으로 생성하였다.
• ‘줄 서서 기다리는’ 상황에서 PaCcET 기반 계획기는 로봇이 줄에 합류하도록 유도한 반면, 기존의 계획기는 로봇을 줄의 앞부분으로 이동시켜 사회적으로 타당한 행동을 보였다.
• 시스템은 그룹 상황에서 적절한 위치에 로봇을 배치할 수 있도록 하여, 예를 들어 모든 구성원과 상호작용할 수 있도록 O-형태로 배열하는 것을 가능하게 하였다.
• 초기 결과에 따르면, 모듈러 아키텍처가 맥락에 따라 동적으로 목표를 선택할 수 있어 사회적 일치도 향상됨을 확인하였다.
• 팀은 편안함, 자연스러움, 사회성 등을 측정하는 검증된 척도를 사용하여 현장 및 관찰자 연구를 통해 시스템을 검증할 계획이다.
• 기존의 단일 맥락에 국한된 SAN 시스템의 한계를 극복할 잠재력이 있음을 보여주었다.