DeepSocNav：通过模仿人类行为实现社交导航
计算机视觉与模式识别
2021-07-21 v1 人工智能
机器学习
机器人学
摘要
当前用于训练社交行为的数据集通常借自监控应用，这些应用从鸟瞰视角捕捉视觉数据。这忽略了通过场景的第一人称视角可以捕捉到的宝贵关系和视觉线索。在这项工作中，我们提出了一种策略，利用当前游戏引擎（如 Unity）的能力，将已有的鸟瞰视角数据集转换为第一人称视角，具体而言为深度视角。利用该策略，我们能够生成大量可用于预训练社交导航模型的合成数据。为验证我们的想法，我们提出了 DeepSocNav，这是一个基于深度学习的模型，它利用了所提出的合成数据生成方法。此外，DeepSocNav 包含一种作为辅助任务的自监督策略，即预测智能体将面对的下一帧深度图像。我们的实验显示了该模型的优势，其能够在社交导航得分上超越相关基线。
引用
@article{arxiv.2107.09170,
title = {DeepSocNav: Social Navigation by Imitating Human Behaviors},
author = {Juan Pablo de Vicente and Alvaro Soto},
journal= {arXiv preprint arXiv:2107.09170},
year = {2021}
}
备注
6 pages, Accepted paper at the RSS Workshop on Social Robot Navigation 2021