Foresighted Human-Aware Robot Navigation Based on Predicted Object-Interactions

Abstract

Since the beginning of the digital revolution robots have become an increasingly important part of modern live. Until recently, this trend was primarily observable in industrial robots, however, with the success of the first mass produced household assistance robots like Roomba and Pepper, a shift towards consumer robots is on the horizon. This shift also leads to the need for new research regarding the behavior of robots in domestic spaces, as principles suitable for industrial robots may not be compatible with domestic robots. This thesis is concerned with research in this field and presents a novel navigation approach for foresighted human-aware robot navigation using predicted human-object interactions. The approach is based on the core idea that the last object interaction of a human carries knowledge about the next object interaction. Given enough training data this knowledge in combination with active observations can be a powerful tool to estimate likely navigation goals of a moving human user. Such predictions can then be used to guess the path the user will take to their next navigation goal and in turn adapt the path of the robot such that it will not disturb the user. Furthermore, in case of a service robot the prediction could also be used to guess at which destinations the user might need the assistance of the robot, thereby increasing the efficiency of it. The experimental evaluations in simulated and real world environments highlight that the presented approach can outperform state-of-the-art approaches both in the path efficiency of the robot as well as in the comfort of the human. The results thereby also show the usefulness of long-term planing and human-aware movement and that path efficiency and human comfort can go hand in hand.

Seit dem Beginn der digitalen Revolution sind Roboter zu einem immer wichtigeren Bestandteil des modernen Lebens geworden. Bis vor Kurzem war dieser Trend vor allem bei Industrierobotern zu beobachten. Mit dem Erfolg der ersten massenproduzierten Haushaltsroboter wie Roomba und Pepper zeichnet sich jedoch eine Verlagerung hin zu Robotern für Verbraucher ab. Diese Verschiebung macht auch neue Forschungsarbeiten zum Verhalten von Robotern in Wohnräumen erforderlich, da Prinzipien für Industrieroboter nicht immer für Haushaltsroboter anwendbar sind. Diese Doktorarbeit befasst sich mit der Forschung auf diesem Gebiet und präsentiert einen neuartigen Navigationsansatz für eine vorausschauende, menschenbewusste Roboternavigation unter Verwendung vorhergesagter Mensch-Objekt-Interaktionen. Der Ansatz basiert auf der Idee, dass die letzte Objektinteraktion eines Menschen Informationen über die nächste Objektinteraktion enthält. Bei ausreichenden Trainingsdaten kann dieses Wissen, in Kombination mit aktiver Beobachtung, ein leistungsfähiges Werkzeug sein, um die wahrscheinlichen Navigationsziele eines sich bewegenden menschlichen Benutzers abzuschätzen. Solche Vorhersagen können dann verwendet werden, um den Weg vorherzusagen, den Nutzer zu ihrem nächsten Navigationsziel nehmen werden, sowie um den Pfad des Roboters so anzupassen, dass er Nutzer nicht stört. Darüber hinaus könnte im Fall eines Serviceroboters die Vorhersage auch verwendet werden, um vorherzusagen, an welchen Zielen Nutzer die Unterstützung des Roboters benötigen werden, wodurch die Effizienz des Roboters erhöht wird. Die Evaluation in simulierten und realen Umgebungen zeigen, dass der vorgestellte Ansatz sowohl hinsichtlich der Pfadeffizienz des Roboters als auch des Komforts des menschlichen Nutzers vergleichbare Ansätze aus der Literatur übertreffen kann. Die Ergebnisse zeigen ferner auch die Nützlichkeit von Langzeitplanung und menschenbewusster Bewegung, sowie, dass Pfadeffizienz und menschlicher Komfort Hand in Hand gehen können.