发布日期 2019-12-19

【泡泡一分钟】从局部观测中探索和绘制行人流模式

原标题:【泡泡一分钟】从局部观测中探索和绘制行人流模式

标题: Go with the Flow: Exploration and Mapping of Pedestrian FlowPatterns from Partial Observations

作者:Sergi Molina, Grzegorz Cielniak and Tom Duckett

来源: 2019 International Conference on Robotics and Automation (ICRA)

编译:章绩伟

审核: 黄思宇,孙钦

欢迎个人转发朋友圈;其他机构或自媒体如需转载,后台留言申请授权

摘要

了解人们在环境中的行为方式是机器人进行有效且安全导航的关键。但是,移动平台受到空间和时间的约束,这意味着机器人通常只能获得对人类活动的部分观察,而给定环境中人们的活动模式也可能在不同时间发生变化。为了解决这些问题,我们提出了一种获取行人流量模型的探索策略,这是本文的主要贡献。这种探索策略不仅决定了要探索的位置,而且还决定了探索它们的时间。该方法是由过去的观察结果建立的多个泊松过程的不确定性驱动的。使用两个长期的行人数据集对该方法进行了评估,将其性能与不知情的勘探策略进行了比较。结果表明,在探索策略中使用不确定性时,模型准确性会提高,从而可以更快地学习人体运动模式。

图1. UoL数据集:机器人在走廊中的位置以及通过3D激光雷达扫描看到的人走路的示例。

图2. 购物中心地图示例,其中具有1 m的单元格网格和49个可用于探索的区域(7×7 m)。右上角:以45度间隔离散8个垃圾箱。

图3. 在m = 1的24h内进行模型预测,并且在t = 18:00各个方向的概率分布。

图4. 比较探索策略与部分空间观测结果(“在哪里探索?”)。ATC(左)和UoL(右)。

图5. 比较探索策略与部分时间观测结果(“何时进行探索?”)。虚线和实线分别表示勘探比率为10%和50%。ATC(左)和UoL(右)。

图6. 将探索策略与时空局部观测(“何时何地进行探索?”)进行比较。虚线和实线分别表示勘探比率为10%和50%。ATC(左)和UoL(右)。

Abstract

Understanding how people are likely to behave in an environment is a key requirement for efficient and safe robot navigation. However, mobile platforms are subject to spatial and temporal constraints, meaning that only partial observations of human activities are typically available to a robot, while the activity patterns of people in a given environment may also change at different times. To address these issues we present as the main contribution an exploration strategy for acquiring models of pedestrian flows, which decides not only the locations to explore but also the times when to explore them. The approach is driven by the uncertainty from multiple Poisson processes built from past observations. The approach is evaluated using two long-term pedestrian datasets, comparing its performance against uninformed exploration strategies. The results show that when using the uncertainty in the exploration policy, model accuracy increases, enabling faster learning of human motion patterns.

如果你对本文感兴趣,想要下载完整文章进行阅读,可以关注【泡泡机器人SLAM】公众号(paopaorobot_slam)

百度网盘提取码:8s1h

泡泡论坛:http://paopaorobot.org/forums/

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成,希望大家珍惜我们的劳动成果,转载请务必注明出自【泡泡机器人SLAM】微信公众号,否则侵权必究!同时,我们也欢迎各位转载到自己的朋友圈,让更多的人能进入到SLAM这个领域中,让我们共同为推进中国的SLAM事业而努力!

商业合作及转载请联系liufuqiang_robot@hotmail.com

聚合阅读