检测与识别：面向移动服务机器人的双人交互框架

自动驾驶移动服务机器人（如割草机或清洁机器人）在人口密集的环境中运行时，需要推理关于本地人类-人类交互的信息，以支持安全且社会导向的导航，同时完成其任务。对于此类机器人，交互理解并非主要是一个细粒度识别问题，而是在有限感知质量和计算资源下的感知问题。许多现有方法聚焦于整体群体活动识别，这通常需要复杂且庞大的模型，而这在移动服务机器人上可能并非必要。另一些方法使用双人交互方法，通常依赖骨架表示，但其在户外环境中的应用仍具有挑战。在本工作中，我们认为双人人类交互构成一种最小且足够的感知单元，用于机器人导向的社交理解。我们研究了识别交互人对并分类 coarse-grained 交互行为以支持下游群体层次推理和服务机器人决策的问题。为此，我们采用两个阶段的框架：首先基于轻量级几何与运动线索识别候选交互人对，随后使用关系网络对交互类型进行分类。我们在 JRDB 数据集上评估了所提出的方法，其中它在计算成本和模型规模方面较于基于外观的方法实现了足够的准确性。额外在 Collective Activity 数据集和对割草机收集数据集的 zero shot 测试进一步说明了所提出框架的通用性。这些结果表明，双人几何与运动线索为移动服务机器人上的交互感知提供了实用的基础，为未来集成到移动机器人导航堆栈提供了前景的可能方法。代码将很快发布。