从障碍到礼仪：基于 VLM 的机器人社交导航
机器人学
2026-02-10 v1 人工智能
摘要
在人类环境中进行社交导航需要满足几何约束之外，因为碰撞自由路径可能仍干扰正在进行的活动或与社交规范产生冲突。解决这一挑战需要分析代理之间的相互作用并纳入常识推理以进行规划。本文提出了一种将几何规划与情境社交推理集成的社交机器人导航框架。系统首先提取障碍物和人类动态信息以生成几何可行的候选路径，然后利用微调的视觉语言模型 (VLM) 对这些路径进行评估，受上下文对齐的社交期望值驱动，选择为控制器选择社交优化路径。该任务特定的 VLM 将来自大型基础模型的社交推理蒸馏到一个较小且高效的模型，使框架能够在多样化的人机交互情境中实现实时适应。实验在四种社交导航情境中表明，我们的方法在整体性能方面取得最佳结果，同时实现最低的个人空间违反持续时间、最小的行人面对时间以及没有社交区域侵入。项目页面：https://path-etiquette.github.io
引用
@article{arxiv.2602.09002,
title = {From Obstacles to Etiquette: Robot Social Navigation with VLM-Informed Path Selection},
author = {Zilin Fang and Anxing Xiao and David Hsu and Gim Hee Lee},
journal= {arXiv preprint arXiv:2602.09002},
year = {2026}
}
备注
Accepted to IEEE Robotics and Automation Letters (RA-L)