PeRoI：面向社交导航中预测机器人引诱、中性与回避行为的行人-机器人互动数据集
人机交互
2026-03-06 v3 机器人学
摘要
机器人正日益部署于购物中心、人行道及医院等公共空间，安全且社会感知的导航依赖于预测行人的反应。然而，现有数据集很少捕获机器人引发的全部反应类型（如回避、中性、吸引），限制了这些互动建模的进展。本文提出 Pedestrian-Robot Interaction（PeRoI）数据集，记录了行人在三种受控情境下的运动行为：无机器人、 Stationary robot（静止机器人）及 Moving robot（移动机器人）两种户外场景。该设计充分揭示了行人行为随机器人情境的变化规律，并对比评估了既有 SOTA 数据集。基于该数据，我们提出 Neural Robot Social Force Model（NeuRoSFM），即 Social Force Model 的扩展，集成神经网络组件，增强人类间动态学，显式建模机器人诱导力，更准确预测靠近机器人时的行人运动。我们在多个真实场景数据集上评估了 NeuRoSFM，结果表明其在行人-机器人互动建模中显著提升预测精度，凸显了该数据集与方法在人类中心环境中社交感知导航策略中的价值。
引用
@article{arxiv.2503.16481,
title = {PeRoI: A Pedestrian-Robot Interaction Dataset for Learning Avoidance, Neutrality, and Attraction Behaviors in Social Navigation},
author = {Subham Agrawal and Nico Ostermann-Myrau and Nils Dengler and Maren Bennewitz},
journal= {arXiv preprint arXiv:2503.16481},
year = {2026}
}