Analysis and modeling of pedestrian-robot interactions

One of the main issues related to robot navigation is the so called "freezing robot" problem, namely in a too crowded environment usually the robot isn't able to find a safe path and it simply stops. This thesis project starts from the idea that a deep analysis of pedestrian behaviour toward robots and, after that, the definition of a mean model well representing pedestrian-robot interaction could help going a step further towards the objective of "unfreezing the robot": even in crowded environments, we could redefine the robot's path exploiting the information we have on the predicted behaviour of surrounding pedestrians. This thesis is developed within the YAPE project inside mOve group at DEIB department of Politecnico di Milano. The main objective of this study is to understand if pedestrians approach YAPE (an autonomous vehicle designed for delivery in urban environment) differently with respect to how they approach other kind of obstacles such as other pedestrians or some static obstacles. To achieve this goal 78 pedestrians were recorded 4 times each while walking in an outdoor corridor where 4 different kind of obstacles were located (another pedestrian, a box, YAPE in OFF-mode laying on the ground, YAPE in ON-mode performing small on-the-spot movements respectively). A set of synthetic metrics was extracted from each of the 312 recorded trajectories and a statistical analysis of those measures led to the conclusion that trajectories representing interaction pedestrian-robot were significantly different from the others. Specifically, the analysis showed that people tend to have a more cautious behaviour when approaching a robot compared to other kind of obstacles. In a second phase of the project, the applicability of the Social Force Model (SFM), a widely used model for simulations of pedestrian movements and interactions, was explored. An instance of the SFM was fitted on each of the 312 trajectories separately (single calibration) through Particle-Swarm algorithm showing that the model is capable of well representing pedestrian behaviour towards the robot as well as other more common obstacles. The study, moreover, analysed the possibility to recognise also in the identified SFM the same differences between known obstacle-based groups highlighted with metrics analysis. This was done by inspecting the Social Force model instances obtained through individual calibration (model fitting over all 4 trajectories associated to each pedestrian simultaneously) and group calibration (optimization over all trajectories belonging to the 4 obstacle-based categories). The obtained results were in good accordance with what was deduced from metrics-based analysis.

Uno dei principali problemi legato alla programmazione della traiettoria di un robot dotato di guida autonoma e il così detto problema di "congelamento": ovvero in ambienti sovraffollati il robot spesso non è in grado di trovare un percorso sicuro quindi è costretto semplicemente a fermarsi. Questo progetto di tesi nasce dall’idea che un’analisi approfondita dei comportamenti dei pedoni nei confronti di un robot e, successivamente la definizione di un modello medio che ben rappresenti l’interazione pedone-robot possa aiutare a fare un passo in avanti verso il suo “scongelamento”: anche in ambienti sovraffollati il robot potrebbe procedere verso il suo obiettivo sfruttando le informazioni ottenute riguardo il comportamento dei pedoni vicini. Questa tesi è stata elaborata all’interno del progetto YAPE del gruppo mOve presso il dipartimento DEIB del Politecnico di Milano. Il principale obiettivo del lavoro è stato quello di analizzare se il comportamento dei pedoni nei confronti di YAPE (un veicolo elettrico autonomo ideato per la consegna di pacchi in ambienti urbani) è diverso da quello che hanno nei confronti di altri ostacoli, come ad esempio un altro pedone o una semplice scatola. Per raggiungere tale obiettivo, 78 pedoni sono stati registrati 4 volte ciascuno mentre camminavano in un corridoio all’aperto dove ogni volta era stato posizionato un ostacolo differente (un altro pedone, una scatola, YAPE spento, ovvero appoggiato al suolo, e YAPE acceso, ovvero sollevato da terra e in leggero movimento). Da ciascuna delle 312 traiettorie registrate è stato poi estratto un insieme di metriche rappresentative sulle quali è stata condotta un’approfondita analisi statistica che ha portato alla conclusione che le traiettorie che rappresentano interazioni pedone-robot differiscono in modo significativo dalle altre. Nello specifico, le analisi hanno dimostrato che le persone hanno tendenzialmente un comportamento più cauto nei confronti di un robot rispetto agli altri tipi di ostacolo. In una fase successiva del progetto, si è studiata l’applicabilità del Social Force Model (SFM), un modello ampiamente diffuso in letteratura per la simulazione di traiettorie dei pedoni. Ovvero, il SFM è stato implementato e ottimizzato per ciascuna delle 312 traiettorie disponibili separatamente (calibrazione su singolo esperimento) attraverso l’algoritmo Particle-Swarm arrivando a dimostrare che il modello è in grado di rappresentare il comportamento dei pedoni nei confronti di un robot oltre che nei confronti degli altri ostacoli considerati. Inoltre, in questo studio è stata analizzata la possibilità di riconoscere anche attraverso il modello Social Force stimato le stesse differenze tra i noti gruppi individuate attraverso l’analisi basta sulle metriche. Per fare ciò, si sono analizzati i risultati ottenuti dall’identificazione del SFM attraverso l’ottimizzazione del modello condotta simultaneamente sulle 4 traiettorie associate a ciascun pedone (calibrazione individuale) e infine anche sull’ottimizzazione del modello rispetto a tutte le traiettorie appartenenti ai 4 gruppi (calibrazione di gruppo). Tali analisi hanno messo in luce le stesse differenze tra i 4 gruppi sotto studio già evidenziate attraverso l’analisi statistica basata sulle metriche.