机器人能信任你吗？一种基于深度强化学习的信任驱动人导导航方法

众所周知，人类利用多种感知输入构建日常环境的认知地图。因此，当被问路到特定地点时，其将认知地图转化为方向指引的寻路能力会受到挑战。由于空间焦虑，口头指引中使用的语言可能模糊且常不清晰。为应对这种导航指引的不可靠性，我们提出一种新颖的基于深度强化学习（DRL）的信任驱动机器人导航算法，该算法学习人类的可信度以执行语言引导的导航任务。我们的方法试图回答机器人是否能信任人类导航指引的问题。为此，我们训练一个策略，使其仅使用可信的人类指引、由其自身的机器人信任度量驱动，学习朝目标位置导航。我们量化基于语言的指引中的各种情感特征，并将其以人类信任度量的形式纳入策略的观测空间。我们将这两种信任度量用于一个最优认知推理方案，以决定何时信任给定指引、何时不信任。结果表明，与执行相同任务的探索式方法相比，学习到的策略能以最优且省时的方式导航环境。我们在仿真和真实环境中展示了结果的有效性。