在社交导航中跟随人类线程
机器人学
2025-02-26 v2 计算机视觉与模式识别
摘要
在共享环境中实现人类与机器人协作的成功，依赖于机器人对人类运动的实时适应。具体而言，在社交导航中，智能体应保持在合适距离以提供帮助，同时随时准备后撤，让人类自由移动，避免碰撞。人类轨迹是社交导航中的关键线索，但仅能从机器人的第三人称视角中部分观察，且计算复杂度较高。我们提出了首个基于机器人状态-动作历史的社交动态适应模型（SDA）。我们提出了一个两阶段强化学习框架：第一阶段学习将人类轨迹编码为社交动态，并学习基于此编码信息、当前状态和前一行动的运动策略；此时假设轨迹完全可见，即作为特权信息。在第二阶段，训练好的策略在不直接访问轨迹的情况下运行。相反，模型仅从前几步动作和状态的历史中推断社交动态。实验在新的 Habitat 3.0 平台上进行，SDA 在寻找和跟随人类的方面达到了新的最先进（SotA）水平。代码可在 https://github.com/L-Scofano/SDA 查找。
引用
@article{arxiv.2404.11327,
title = {Following the Human Thread in Social Navigation},
author = {Luca Scofano and Alessio Sampieri and Tommaso Campari and Valentino Sacco and Indro Spinelli and Lamberto Ballan and Fabio Galasso},
journal= {arXiv preprint arXiv:2404.11327},
year = {2025}
}
备注
Accepted at ICLR 2025 as a Spotlight Paper