面向社交合规导航的在线上下文学习

机器人社交导航需要适应不同的人为因素和环境上下文。然而，由于这些因素和上下文难以预测且无法穷举，传统的基于学习的方法难以确保机器人在长期和跨环境部署中的社交属性。本文介绍了一种在线上下文学习方法，旨在使机器人能够在线上适应新的社交环境。所提出的方法采用两层结构。底层使用基于深度强化学习的方法构建，以确保基本机器人导航指令的输出。上层使用基于在线机器人学习的方法实现，以使底层建议的控制指令社会化。使用社区范围模拟器的实验表明，我们的方法优于现有最先进方法。在最具挑战性的场景中的实验结果表明，我们的方法将最先进方法的性能提升了8%。所提出方法的源代码、使用的数据以及预训练步骤的工具已在https://github.com/Nedzhaken/SOCSARL-OL公开提供。