学习人群中的基于接触式导航
机器人学
2023-03-03 v1 计算机与社会
人机交互
机器学习
摘要
在拥挤环境中故意结合与人的接触（即“基于接触式”社交导航）的导航策略在很大程度上未被探索，尽管无碰撞社交导航是一个被充分研究的问题。传统社交导航框架要求机器人在碰撞迫近时突然停止或“冻结”。这一范式带来两个问题：1）在人群中导航时冻结可能导致人绊倒并摔倒在机器人上，造成比碰撞本身更大的伤害；2）在碰撞不可避免的极密集社交环境中，此类控制方案将使机器人无法移动，并排除研究人类如何将这些环境纳入机器人因素的机会。然而，若要使机器人在拥挤社交空间（如繁忙街道、地铁、商店或其他高密度场所）中有意义地存在，可能不存在能保证零碰撞的轨迹。因此，机器人在这些环境中的采用需要开发能以最小干扰规划并响应接触的安全导航方案。我们提出了一种基于学习的运动规划器与控制方案，利用安全接触为全向移动机器人导航密集社交环境。该规划器在仿真中经过 360 次试验评估，人群密度介于 0.0 至 1.6 人每平方米。据我们所知，我们的导航方案能够利用接触安全地导航于比既往报道更高密度的人群中。
引用
@article{arxiv.2303.01455,
title = {Learning Contact-based Navigation in Crowds},
author = {Kyle Morgenstein and Junfeng Jiao and Luis Sentis},
journal= {arXiv preprint arXiv:2303.01455},
year = {2023}
}
备注
Presented at the Human Interactive Robot Learning worksop at HRI2023