Aprendizaje de Patrones de Movimiento de Personas para el Movimiento de Robots Conformados

Siempre que las personas se mueven a través de sus entornos, no se mueven al azar. En cambio, suelen seguir trayectorias específicas o patrones de movimiento que corresponden a sus intenciones. El conocimiento sobre tales patrones permite a un robot móvil seguir de manera robusta a las personas en su entorno y mejorar su comportamiento. En este documento proponemos una técnica para aprender colecciones de trayectorias que caracterizan patrones de movimiento típicos de las personas. Los datos grabados con medidores de distancia láser se agrupan utilizando el algoritmo de maximización de la expectativa. Basándonos en el resultado del proceso de agrupamiento, derivamos un modelo oculto de Markov que se aplica para estimar las posiciones actuales y futuras de las personas en función de la entrada sensorial. También describimos cómo incorporar la creencia probabilística sobre las trayectorias potenciales de las personas en el proceso de planificación de rutas de un robot móvil. Presentamos varios experimentos realizados en diferentes entornos con un robot móvil equipado con un escáner láser y un sistema de cámara. Los resultados demuestran que nuestro enfoque puede aprender de manera confiable los patrones de movimiento de las personas, puede estimar y predecir de manera robusta las posiciones de las personas, y puede ser utilizado para mejorar el comportamiento de navegación de un robot móvil.