PANav：面向隐私感知的机器人导航
机器人学
2024-10-08 v1
摘要
在考虑机器人任务可能带来的隐私影响的情况下，在人类工作环境中优雅地进行机器人导航 presents significant challenges. 这种场景日益常见，例如当机器人搬运需要高度隐私保护的敏感物品的同时处于人类活动频繁的空间中。虽然对机器人路径规划和社交意识进行了大量研究，但当前的机器人系统仍缺乏针对公共环境中隐私感知导航的功能。为此，我们提出了一种新的移动机器人导航框架，利用视觉语言模型将隐私意识融入自适应路径规划。具体而言，使用 A* 算法生成从起点到目的地的所有可能路径。同时，利用视觉语言模型根据环境布局和导航指令推断出具备隐私意识的最优路径。该方法旨在最小化机器人对人类活动的暴露，保护机器人及其周围环境的隐私。实验结果表明，在 S3DIS 数据集上，我们的框架显著提升了移动机器人在人类共享公共环境中导航的隐私意识。此外，我们通过在真实办公环境中成功导航机器人平台来展示了该框架的实际应用性。补充视频和代码可通过以下链接访问：https://sites.google.com/view/privacy-aware-nav.
引用
@article{arxiv.2410.04302,
title = {PANav: Toward Privacy-Aware Robot Navigation via Vision-Language Models},
author = {Bangguo Yu and Hamidreza Kasaei and Ming Cao},
journal= {arXiv preprint arXiv:2410.04302},
year = {2024}
}
备注
7 pages, 6 figures, conference