用于人类感知路径规划的社会成本函数学习
机器人学
2025-01-09 v2 人工智能
人机交互
机器学习
摘要
实现社会接受度是社会机器人导航的主要目标。尽管该主题近年来受到越来越多的关注，但大多数研究集中于沿无障碍轨迹驱动机器人代理，规划沿对未来人类运动估计的轨迹以尊重个人距离并优化导航。然而，日常社交互动也受到不严格依赖于运动的规范支配，例如站在队列末尾而不是跳过队头。本文提出了一种新方法，通过识别常见社交情景并修改传统规划器的成本函数来适应这些情景。该解决方案使机器人能够执行不会本来就会出现的不同社交导航行为，保持传统导航的鲁健性。我们的做法允许机器人通过单个学习模型学习不同的社交规范，而不是为每个任务使用不同的模块。作为概念验证，我们考虑排队和尊重与正在交谈的人群组的互动空间等任务，但该方法可以扩展到其他不涉及运动的人类活动。
引用
@article{arxiv.2407.10547,
title = {Learning Social Cost Functions for Human-Aware Path Planning},
author = {Andrea Eirale and Matteo Leonetti and Marcello Chiaberge},
journal= {arXiv preprint arXiv:2407.10547},
year = {2025}
}