仓库场景中的安全人机导航
Safe Human Robot Navigation in Warehouse Scenario
AI总结：
本文提出一种基于控制屏障函数（CBF）与OpenRMF框架集成的方法，用于增强仓库中自主移动机器人在多机器人、多智能体场景下的导航安全性，实验验证了其有效避开静态和动态障碍物（包括行人）的能力。
摘要：
自主移动机器人（AMR）在工业环境（尤其是仓库）中的集成，已经彻底改变了物流和运营效率。然而，在动态共享空间中确保人类工人的安全仍然是一个关键挑战。这项工作提出了一种新颖的方法，利用控制屏障函数（CBF）来增强仓库导航的安全性。通过将基于学习的CBF与开放机器人中间件框架（OpenRMF）相结合，该系统在多机器人、多智能体场景中实现了自适应和安全增强的控制。使用各种机器人平台进行的实验证明了所提方法在避开静态和动态障碍物（包括行人）方面的有效性。我们的实验评估了不同场景，其中机器人数量、机器人平台、速度和障碍物数量均有所变化，我们从中取得了令人满意的性能。
英文摘要：
The integration of autonomous mobile robots (AMRs) in industrial environments, particularly warehouses, has revolutionized logistics and operational efficiency. However, ensuring the safety of human workers in dynamic, shared spaces remains a critical challenge. This work proposes a novel methodology that leverages control barrier functions (CBFs) to enhance safety in warehouse navigation. By integrating learning-based CBFs with the Open Robotics Middleware Framework (OpenRMF), the system achieves adaptive and safety-enhanced controls in multi-robot, multi-agent scenarios. Experiments conducted using various robot platforms demonstrate the efficacy of the proposed approach in avoiding static and dynamic obstacles, including human pedestrians. Our experiments evaluate different scenarios in which the number of robots, robot platforms, speed, and number of obstacles are varied, from which we achieve promising performance.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
