[SI2025] 歩きスマホ歩行者の注意状態を考慮した自律移動ロボットの動的なコストマップ調整

歩きスマホ歩行者の注意状態を考慮した 自律移動ロボットの動的なコストマップ調整 ○ 只野竣也（東北大） ○ Shunya TADANO (Tohoku Univ.) 田村 雄介（東北大） Yusuke TAMURA (Tohoku Univ.) 研究室URL 個人HP 平田 泰久（東北大） Yasuhisa HIRATA (Tohoku Univ.) 1. 緒言 3. 屋内環境での検証実験 歩行者環境での自律移動ロボットのナビゲーションにおいて 安全かつ効率的な移動が重要となる 歩きスマホ歩行者を考慮したナビゲーションの有効性を， 屋内環境でのすれ違い実験で歩行者注意状態を検証した 人との衝突を避ける 目的地へ早く着く なるべく止まらないような ロボットの移動 歩行者の通る場所の予測 実験環境：2カ所で実施 ①幅の広い通路環境（幅7.2m） ②狭隘環境（幅1.9m） 歩行者 ロボット ロボット 人とロボットの安全な共存のためには，人の予期せぬ行動 への対応が必要となる ⚫歩きスマホ歩行者は，周囲への注意が散漫 ⚫10～30代の約6割が経験あり[ドコモ総研, 2021] ⚫予期せぬ挙動を取る可能性が高い ⚫歩行軌道の予測が難しい[Murakami+, 2021] 歩きスマホの歩行者を考慮したナビゲーション 通常歩行 注意散漫 コストマップ生成による 適応的なナビゲーション 解決策： 「通常歩行 / 歩きスマホ」の分類に基づく 動的なコストマップ調整によるナビゲーション ⚫シナリオ： ⚫ 通常歩行，歩きスマホ姿勢での歩行でロボットとすれ違い ⚫ 指定位置からスマートフォンを操作する姿勢で歩くよう指示 ⚫被験者：① 3名 ② 3名 ⚫評価指標 ⚫到達時間：ロボットが開始から目的地まで到達するまでの時間 ⚫最接近距離：ロボットが歩行者に最も近づいた時の距離 ⚫実験条件：3つの手法で比較 ⚫Baseline手法 (BL)：ROSのObstacle Layerによる経路計画 ⚫BL+予測：BL＋軌道予測に基づくコストマップ生成 ⚫BL+予測＋分類：軌道予測に歩きスマホの検出を追加 実験結果 @幅の広い通路（幅7.2m） 通常歩行 手法 2. 手法 歩行者の軌道予測と注意分類によるコストマップ生成を行う センサ 点群 RGB画像 深度 ③ 動的なコストマップ生成 3次元 姿勢推定 歩行者 位置 骨格点 ① 歩行者の 軌道予測 歩行者の 将来軌道 ①歩行者の軌道予測 ⚫Human Scene Transformer[Bazarevsky+, 2020]を使用 ⚫入力：過去 2秒間（6ステップ）の 歩行者位置と3D骨格キーポイント ⚫出力：将来 4秒間（12ステップ）の 軌道確率分布 ⚫将来軌道 𝜏 の確率分布 𝑝 𝜏 を6個の 混合ガウス分布として出力 Environment Map ② 姿勢分類 最接近距離 [m] (↑) 到達時間 [s] (↓) 最接近距離 [m] (↑) BL 平均 17.1 平均 0.79 平均 16.6 平均 0.63 BL+予測 平均 16.9 平均 0.80 平均 16.8 平均 0.62 BL+予測＋分類 平均 17.5 平均 0.61 平均 16.4 平均 0.66 歩行者の状態に応じた距離の調整が確認された 分類によって最接近距離 到達時間が通常歩行時と を小さくした移動が可能 同等で移動可能 @狭隘環境（幅1.9m） 通常歩行 分類結果 手法 ② 歩きスマホ検出のための 姿勢分類分類[只野+, RSJ2025] ⚫適応的なナビゲーションのために， 3次元的な姿勢の特徴や重要度を とらえて注意散漫な歩行者の分類 を行う ⚫3D骨格キーポイントでの姿勢推定 ⚫ランダムフォレストによる 歩行者の分類 ③ 予測・分類に基づく経路生成 ⚫分布的予測をコストマップとして地図上に反映 到達時間 [s] (↓) CostMap 経路生成 コスト 低 高 歩きスマホ歩行 歩きスマホ歩行 到達時間 [s] (↓) 最接近距離 [m] (↑) 到達時間 [s] (↓) 最接近距離 [m] (↑) BL 平均 22.8 平均 0.48 平均 28.3 平均 0.55 BL+予測 平均 23.2 平均 0.65 平均 26.2 平均 0.58 BL+予測＋分類 平均 24.3 平均 0.10 平均 28.1 平均 0.37 急な回避や停止などにより歩行者と接近した 予測による回避の有効性 歩きスマホの分類の手法 を確認できた が歩行者と最も近づいた 5. 結言 ⚫歩行者の予測軌道 ⚫動的障害物（LiDAR） まとめ ⚫動的なコストマップ調整に基づくナビゲーション手法は， 幅の広い環境では「効率と安全の両立」を確認できたが， 狭隘環境では急な回避動作や停止などが見られた ⚫地図上の静的障害物 ⚫歩行者の注意状態 D(t) に基づき，予測軌道周辺の半径 r を切り替えて走行 𝑟=൝ 0.3 m if D(t) = 0 (通常時) 0.5 m if D(t) = 1 (注意散漫) 展望 ⚫狭隘環境での経路計画手法の考慮 ⚫遠方における歩きスマホ歩行者の検出