GSON：基于大型多模态模型的群体社交导航框架
机器人学
2025-07-30 v3 人工智能
摘要
随着服务机器人和自动驾驶车辆在人类环境中的日益增多，导航系统需要超越简单的目的地到达，融入社交意识。本文提出了 GSON，一种新型的基于群体的社交导航框架，利用大型多模态模型（LMM）增强机器人的社交感知能力。我们的方案采用视觉提示技术，实现对行人之间社交关系的零-shot 提取，并将这些结果与稳健的行人检测和跟踪管道集成，以克服 LMM 固有的推理速度限制。规划系统包含位于全局路径规划和局部运动规划之间的中级规划器，有效保持全局语境和反应性，同时避免对预测的社交群体造成干扰。我们通过大规模真实世界移动机器人导航实验验证了 GSON，涉及排队、交谈和拍照等复杂社交情景。比较结果表明，我们的系统在最小化社交扰动方面显著优于现有导航方法，同时在传统导航指标上保持相当性能。
引用
@article{arxiv.2409.18084,
title = {GSON: A Group-based Social Navigation Framework with Large Multimodal Model},
author = {Shangyi Luo and Peng Sun and Ji Zhu and Yuhong Deng and Cunjun Yu and Anxing Xiao and Xueqian Wang},
journal= {arXiv preprint arXiv:2409.18084},
year = {2025}
}
备注
Accepted by IEEE Robotics and Automation Letters (RA-L)