通过主动风险感知学习社交导航
机器人学
2025-11-10 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
本报告描述了我们提交至 IROS 2025 RoboSense 挑战社交导航赛道的技术细节。该赛道聚焦于开发基于 RGBD 的感知与导航系统，使自主智能体能够在动态拥挤的室内环境中安全、高效且符合社交规范地导航。挑战要求智能体仅使用 onboard 传感器（包括 RGB-D 观测和里程计），从第三人称视角运行，无法获取全局地图或特权信息，同时需保持符合社交规范的行为，如保持安全距离和碰撞规避。基于 Falcon 模型，我们引入了主动风险感知模块（Proactive Risk Perception Module）以提升社交导航性能。该方法通过增强 Falcon 模型，加入碰撞风险理解能力，学习预测周围人群的基于距离的碰撞风险评分，从而使智能体能够更稳健地建立空间感知，发展出更主动的碰撞规避行为。 在 Social-HM3D 数据集上的评估表明，我们的方法提高了智能体在拥挤室内场景中维持个人空间合规性的能力，同时导航至目标，达成在 16 支队伍中排名第 2。
引用
@article{arxiv.2510.07871,
title = {Learning to Navigate Socially Through Proactive Risk Perception},
author = {Erjia Xiao and Lingfeng Zhang and Yingbo Tang and Hao Cheng and Renjing Xu and Wenbo Ding and Lei Zhou and Long Chen and Hangjun Ye and Xiaoshuai Hao},
journal= {arXiv preprint arXiv:2510.07871},
year = {2025}
}