用于机器人导航的前瞻社会感知强化学习
机器人学
2024-12-23 v2
摘要
当机器人在避免碰撞的同时处理导航任务时，其在拥挤复杂环境中的表现不如在稳定同质环境中。这常导致成功率低且效率差。因此，我们提出一种新颖的前瞻社会感知强化学习（FSRL）框架，使移动机器人实现无碰撞导航。相较于以往基于学习的方法，我们的方法具有前瞻性：不仅考虑当前人机交互以避免即时碰撞，还估计即将发生的社会交互以在未来仍保持距离。此外，我们的方法中引入了效率约束，显著减少了导航时间。我们进行了对比实验，以在更真实且具挑战性的仿真环境下验证所提方法的有效性与高效性。
引用
@article{arxiv.2105.13409,
title = {Foresight Social-aware Reinforcement Learning for Robot Navigation},
author = {Yanying Zhou and Shijie Li and Jochen Garcke},
journal= {arXiv preprint arXiv:2105.13409},
year = {2024}
}