从认知到预知：面向社交导航的未来感知框架
机器人学
2025-02-11 v2 人工智能
摘要
为了在拥挤的空间中安全且高效地导航，机器人不仅要感知环境的当前状态，还要预判人类未来的运动。本文提出了一种强化学习架构，称为 Falcon，用以通过显式预测人类轨迹并惩罚阻挡未来人类路径的动作来解决社交感知导航问题。为促进现实求解，本文引入了新的 SocialNav 基准测试，包含两个新数据集：Social-HM3D 和 Social-MP3D。该基准包含大规模逼真的室内场景，场景中填充合理数量的人类代理，基于场景面积大小，包含自然的人类运动和轨迹模式。我们在新的基准测试上，对比了最新基于学习的方法和两种经典基于规则的路径规划算法，进行了详细的实验分析。结果表明，未来预测的重要性，本方法在保持约 90% 个人空间合规的同时，实现了最高的 55% 任务成功率。我们将发布代码和数据集。演示视频可在 https://zeying-gong.github.io/projects/falcon/ 查看。
引用
@article{arxiv.2409.13244,
title = {From Cognition to Precognition: A Future-Aware Framework for Social Navigation},
author = {Zeying Gong and Tianshuai Hu and Ronghe Qiu and Junwei Liang},
journal= {arXiv preprint arXiv:2409.13244},
year = {2025}
}
备注
Social Navigation; Trajectory Prediction; Auxiliary Tasks. This paper has been accepted at the IEEE International Conference on Robotics and Automation (ICRA) 2025. For more details, please refer to the project website: https://zeying-gong.github.io/projects/falcon/