基于语义深度强化学习的移动服务机器人在拥挤环境中的人机跟随与引导
机器人学
2022-06-14 v1 人机交互
摘要
辅助机器人在物流和人类辅助等各类行业中受到广泛关注。在机场或火车站等拥挤环境中引导或跟随人类以搬运重物或货物，仍然是一个开放性问题。在这些应用场景中，机器人不仅需要智能地与人类交互，还需在人群中安全导航。因此，尤其是高度动态的环境，由于人类行为模式的多变性和运动的不确定性，带来了巨大挑战。本文提出了一种基于深度强化学习（Deep Reinforcement Learning）的智能体，用于拥挤环境中的人机引导与跟随任务。为此，我们引入语义信息，为智能体提供高层信息，如人类的社会状态、安全模型和类别类型。我们将所提方法与不含语义信息的基准方法进行了评估，结果表明其导航安全性与鲁棒性均得到增强。此外，我们证明该智能体能够学会适应人类行为，从而显著改善人机交互。
引用
@article{arxiv.2206.05771,
title = {Human-Following and -guiding in Crowded Environments using Semantic Deep-Reinforcement-Learning for Mobile Service Robots},
author = {Linh Kästner and Bassel Fatloun and Zhengcheng Shen and Daniel Gawrisch and Jens Lambrecht},
journal= {arXiv preprint arXiv:2206.05771},
year = {2022}
}
备注
IEEE International Conference on Robotics and Automation 2022, 7 pages, 4 figures