社交机器人导航场景复杂度的刻画

社交机器人导航算法通常被展示在过度简化的场景中，这阻碍了提取关于其与现实世界领域相关性的实用见解。我们的关键见解是，理解社交机器人导航场景的内在复杂度有助于刻画现有导航算法的局限性，并提供可操作的改进方向。通过对近期文献的探索，我们识别了一系列导致场景复杂度的因素，并区分了上下文相关因素和机器人相关因素。然后我们进行了一项仿真研究，考察上下文因素的操作如何影响各种导航算法的性能。我们发现，密集和狭窄的环境与性能下降的相关性最强，而智能体策略的异质性和交互的方向性影响较小。我们的研究结果促使人们转向在更高复杂度的设置下开发和测试算法。