Hyp2Nav：用于人群导航的双曲规划与好奇心机制

自主机器人正日益成为社会环境中的固定组成部分。有效的人群导航不仅需要安全且快速的规划，还应具备可解释性和计算效率，以便在嵌入式设备上实时运行。在这项工作中，我们倡导使用双曲学习来实现人群导航，并引入了 Hyp2Nav。与传统的基于强化学习的人群导航方法不同，Hyp2Nav 利用双曲几何的内在特性来更好地编码导航任务中决策过程的层次性质。我们提出了一个双曲策略模型和一个双曲好奇心模块，该模块在多个仿真环境中实现了有效的社交导航、最佳成功率和回报，且使用的参数比最先进的竞争模型少多达 6 倍。通过我们的方法，甚至可以在二维嵌入空间中获取有效的策略，为低资源人群导航和模型可解释性开辟了新的可能性。富有洞察力的是，Hyp2Nav 的内部双曲表征与机器人对周围人群的关注程度相关，例如，由于多人遮挡其路径或少数人显示出碰撞计划，而不是与其自身规划的路线相关。代码可在 https://github.com/GDam90/hyp2nav 获取。