基于 3D 场景图的室内环境中围绕人类的长期规划

由于人类、物体和空间之间的交互，在室内环境中运行的机器人的长期规划面临着独特的挑战。近期在轨迹规划方面的进展利用视觉语言模型（VLMs）为在真实世界环境中运行的机器人提取上下文信息。尽管这些方法取得了令人满意的性能，但它们并未显式地对人类活动进行建模。这些活动会影响周围的物体并重塑空间约束。本文提出了一种新的轨迹规划方法，通过丰富的 3D 场景图（3DSG）表示来整合人类偏好、活动和空间上下文。通过引入基于活动的关系，我们的方法捕捉了人类行为的空间影响，从而实现了对上下文更敏感的轨迹自适应。初步结果表明，我们的方法有效地为受人类活动影响的空间分配了成本，确保机器人轨迹在上下文上保持适当且对当前环境敏感。这种在任务效率与社会适宜性之间的平衡增强了室内环境中上下文感知的人机交互。未来的工作包括实现完整的规划流程并进行用户研究以评估轨迹的可接受度。