[论文解读] Viewing Robot Navigation in Human Environment as a Cooperative Activity

Harmish Khambhaita, Rachid Alami|arXiv (Cornell University)|Aug 3, 2017

Social Robot Interaction and HRI被引用 3

一句话总结

本文提出了一种协作导航规划器，通过联合优化机器人与人类的轨迹，结合社交、运动学和时间约束，实现在走廊等受限空间中安全、流畅且主动的导航。该规划器可预测人类运动，主动提出协同导航路径，并能实时适应人类行为的偏离，在PR2和Pepper机器人上的仿真与真实世界实验中均表现出更高的流畅度与人机协作质量。

ABSTRACT

We claim that navigation in human environments can be viewed as cooperative activity especially in constrained situations. Humans concurrently aid and comply with each other while moving in a shared space. Cooperation helps pedestrians to efficiently reach their own goals and respect conventions such as the personal space of others. To meet human comparable efficiency, a robot needs to predict the human trajectories and plan its own trajectory correspondingly in the same shared space. In this work, we present a navigation planner that is able to plan such cooperative trajectories, simultaneously enforcing the robot's kinematic constraints and avoiding other non-human dynamic obstacles. Using robust social constraints of projected time to a possible future collision, compatibility of human-robot motion direction, and proxemics, our planner is able to replicate human-like navigation behavior not only in open spaces but also in confined areas. Besides adapting the robot trajectory, the planner is also able to proactively propose co-navigation solutions by jointly computing human and robot trajectories within the same optimization framework. We demonstrate richness and performance of the cooperative planner with simulated and real world experiments on multiple interactive navigation scenarios.

研究动机与目标

• 开发一种导航系统，不仅能处理标准的协调任务，还能应对需要协作的复杂受限导航场景。
• 使机器人能够通过联合提出并优化自身与附近人类的轨迹，实现主动行为。
• 通过融入个人空间、碰撞时间与运动方向兼容性等社交规范，确保人类的舒适与安全。
• 弥合反应式导航与社交智能协作行为之间在人机交互中的差距。
• 在真实场景中验证规划器的有效性，特别是在人机协同导航具有挑战性的狭小空间中。

提出的方法

• 规划器采用统一的基于图的优化框架，同时计算机器人与人类的轨迹。
• 通过碰撞时间度量确保机器人的运动学约束，并避免静态与动态障碍物。
• 社交约束包括亲密距离（个人空间）、方向兼容性（运动对齐）以及预测的碰撞时间，以确保安全与舒适。
• 利用动作捕捉数据中的速度估计方法预测人类运动，实现前瞻式轨迹规划。
• 通过可调的代价函数平衡人类与机器人之间的努力程度，支持不同程度的主动性。
• 当人类行为偏离预测时，规划器能够动态调整，确保鲁棒性与响应性。

实验结果

研究问题

• RQ1 如何将机器人在人类环境中的导航建模为一种协作活动，而非纯粹的反应式或协调式行为？
• RQ2 哪些社交与物理约束是生成类人、安全且流畅的协同导航轨迹所必需的？
• RQ3 机器人能否在走廊等受限环境中主动建议并优化共享路径？
• RQ4 时间到碰撞、运动方向兼容性与亲密距离的整合如何提升导航流畅度与感知安全性？
• RQ5 当人类偏离预测路径时，机器人在多大程度上能够调整其行为？

主要发现

• 协作规划器成功实现了在狭窄走廊中的平稳、安全且流畅的导航，机器人主动调整路径以提供空间并避免碰撞。
• 机器人通过提前向右移动，即使在人类尚未进入交互区域时也展现出主动行为，提升了感知安全与舒适度。
• 当人类偏离预测路径时，机器人迅速调整自身轨迹，同时保持合规性并避免冲突。
• 规划器实现了人类与机器人之间努力的均衡分配，支持机器人承担更多导航负担的配置。
• 在PR2与Pepper机器人的真实世界实验中，协作规划器在交互流畅度与人类可接受性方面优于纯反应式方案。
• 该系统在多样化场景中保持了稳定性能，包括走廊穿越、通过门禁区域以及开放区域互动，即使人类行为非理想或出乎意料。