一种用于多情境社会感知导航的深度学习方法
机器人学
2021-04-22 v1
摘要
我们提出了一种情境分类流程，使机器人能根据观测到的社会场景改变其导航策略。社会感知导航考虑社会行为，以改善在人群中的导航。现有研究大多使用不同技术将社会规范融入单一情境下的机器人路径规划。适用于走廊行为的方法可能不适用于接近人群等情形。我们开发了高层决策子系统、基于模型的情境分类器以及基于多目标优化的局部规划器，以针对自主感知的情境生成社会感知轨迹。利用情境分类系统，机器人可选择社会目标，随后由基于 Pareto 凹性消除变换(PaCcET)的局部规划器用于生成安全、舒适且社会恰当的轨迹。该系统在 Pioneer 移动机器人平台上于多种环境中进行了测试与验证；结果表明机器人能够自主地选择并考量与导航相关的社会目标。
引用
@article{arxiv.2104.10197,
title = {A Deep Learning Approach To Multi-Context Socially-Aware Navigation},
author = {Santosh Balajee Banisetty and Vineeth Rajamohan and Fausto Vega and David Feil-Seifer},
journal= {arXiv preprint arXiv:2104.10197},
year = {2021}
}