Socially Acceptable Bipedal Robot Navigation via Social Zonotope Network Model Predictive Control

📄 arXiv: 2406.17151v1 📥 PDF

作者: Abdulaziz Shamsah, Krishanu Agarwal, Nigam Katta, Abirath Raju, Shreyas Kousik, Ye Zhao

分类: cs.RO

发布日期: 2024-06-24

备注: 19 pages, 19 figures. arXiv admin note: text overlap with arXiv:2403.16485, arXiv:2310.09969

💡 一句话要点

提出基于社交Zonotope网络MPC的双足机器人社交导航方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 双足机器人 社交导航 模型预测控制 Zonotope 行人预测

📋 核心要点

  1. 双足机器人在人群中的导航面临挑战，现有方法难以兼顾社交礼仪和机器人自身的运动约束。
  2. 提出社交Zonotope网络(SZN)预测行人行为，并结合模型预测控制(MPC)规划机器人轨迹，实现社交可接受的导航。
  3. 通过仿真和硬件实验验证了SZN-MPC框架的有效性，结果表明该方法能够生成社交可接受且运动平稳的路径。

📝 摘要（中文）

本研究旨在解决动态、拥挤的人群环境中双足机器人社交导航的挑战，这是腿式机器人导航中一个很大程度上未被探索的研究领域。我们提出了一个基于Zonotope的框架，该框架将预测和运动规划相结合，使双足机器人能够考虑到与周围行人的双向影响。该框架包含一个社交Zonotope网络(SZN)，该神经网络预测未来行人可达集合，并为机器人规划未来可接受的社交可达集合。SZN生成Zonotope形式的可达集合，以实现高效的基于可达性的规划、碰撞检查和在线不确定性参数化。在SZN训练过程中添加了特定于步态的损失，以符合双足机器人的动态限制，这些限制在人类人群数据集中没有明确体现。这些损失函数使SZN能够生成更具动态可行性的步态路径，从而改善跟踪效果。SZN与模型预测控制器(SZN-MPC)集成，用于双足机器人Digit的足迹规划。SZN-MPC通过优化SZN的梯度来求解无碰撞轨迹。结果表明，该框架在生成社交可接受的路径、保持一致的步态速度和实现最优性方面是有效的。SZN-MPC框架已通过广泛的仿真和硬件实验验证。

🔬 方法详解

问题定义：论文旨在解决双足机器人在动态人群环境中进行社交导航的问题。现有方法通常难以同时考虑行人的行为预测、机器人的运动约束以及社交礼仪，导致导航路径不自然甚至发生碰撞。

核心思路：论文的核心思路是利用社交Zonotope网络（SZN）来预测行人的未来可达区域，并将这些预测信息融入到模型预测控制（MPC）框架中，从而使机器人能够规划出既能避开行人又能符合社交规范的运动轨迹。Zonotope的使用使得可达集计算和碰撞检测更加高效。

技术框架：整体框架包含以下几个主要模块：1) 社交Zonotope网络（SZN）：用于预测行人的未来可达集合，输出为Zonotope形式。2) 模型预测控制器（MPC）：基于SZN的预测结果，规划机器人的足迹轨迹，目标是生成无碰撞且社交可接受的路径。3) 步态生成器：根据MPC的输出，生成具体的机器人运动指令。

关键创新：论文的关键创新在于将社交Zonotope网络与模型预测控制相结合，实现了双足机器人在动态人群环境中的社交导航。SZN能够有效地预测行人的行为，并将其转化为可用于MPC优化的约束条件。此外，论文还针对双足机器人的运动特性，设计了特定的损失函数，以提高运动轨迹的可执行性。

关键设计：SZN网络结构未知，但其输出为Zonotope形式的可达集，便于后续的碰撞检测和轨迹优化。在SZN的训练过程中，除了标准的预测损失外，还加入了与机器人运动相关的损失函数，例如，鼓励机器人保持稳定的速度和避免剧烈的运动变化。MPC的目标函数包含多个项，用于平衡路径长度、运动平滑性以及与行人的社交距离。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过仿真和硬件实验验证了SZN-MPC框架的有效性。实验结果表明，该方法能够生成社交可接受的路径，并保持一致的运动速度。与没有考虑社交因素的传统MPC方法相比，SZN-MPC能够显著减少与行人的碰撞次数，并提高导航的舒适度。具体的性能数据未知。

🎯 应用场景

该研究成果可应用于服务型机器人、导览机器人等需要在人群中安全、自然移动的场景。例如，在商场、博物馆等场所，机器人可以利用该方法规划出既能完成任务又能避免干扰行人的路径，提升用户体验。此外，该方法还可以扩展到其他类型的移动机器人，例如轮式机器人、无人机等。

📄 摘要（原文）

This study addresses the challenge of social bipedal navigation in a dynamic, human-crowded environment, a research area largely underexplored in legged robot navigation. We present a zonotope-based framework that couples prediction and motion planning for a bipedal ego-agent to account for bidirectional influence with the surrounding pedestrians. This framework incorporates a Social Zonotope Network (SZN), a neural network that predicts future pedestrian reachable sets and plans future socially acceptable reachable set for the ego-agent. SZN generates the reachable sets as zonotopes for efficient reachability-based planning, collision checking, and online uncertainty parameterization. Locomotion-specific losses are added to the SZN training process to adhere to the dynamic limits of the bipedal robot that are not explicitly present in the human crowds data set. These loss functions enable the SZN to generate locomotion paths that are more dynamically feasible for improved tracking. SZN is integrated with a Model Predictive Controller (SZN-MPC) for footstep planning for our bipedal robot Digit. SZN-MPC solves for collision-free trajectory by optimizing through SZN's gradients. and Our results demonstrate the framework's effectiveness in producing a socially acceptable path, with consistent locomotion velocity, and optimality. The SZN-MPC framework is validated with extensive simulations and hardware experiments.