学习早期社交机动以增强社交导航

社交合规导航是人机交互中安全功能的重要组成部分。传统的移动导航方法优先考虑物理方面，如效率，但随着机器人越来越多地出现在日常生活中，社交行为越来越受到重视。最近改善导航社交合规性的技术通常依赖于预定义的特征或奖励函数，引入了关于人类社交行为的假设。为了解决这一局限性，我们提出了一种新颖的基于示教学习（LfD）的社交导航框架，该框架仅利用原始感官数据。此外，所提出的系统包含考虑周围行人未来路径的机制，承认了问题的时间方面。最终产品预计将减少人们与移动机器人共享环境时的焦虑，帮助他们相信机器人意识到他们的存在并且不会伤害他们。由于该框架目前正在开发中，我们概述了其组件，展示了实验结果，并讨论了实现该框架的未来工作。