学习用于机器人导航的群体感知策略

人感知的机器人导航有望带来一系列应用，其中移动机器人在常见人类环境中为人们提供多样化协助。虽然先前研究多聚焦于将行人建模为独立的、有意图的个体，但人们以群体方式移动；因此，移动机器人在人群周围导航时尊重人类群体是必需的。本文探索基于动态群体形成、使用深度强化学习来学习群体感知导航策略。通过仿真实验，我们表明与忽略人类群体的基线策略相比，群体感知策略实现了更好的机器人导航性能（例如更少的碰撞）、最小化对社会规范的违背与不适，并降低了机器人运动对行人的影响。我们的结果有助于社会导航的发展以及移动机器人在人类环境中的融合。