基于强化学习的语音交互在电梯环境中为机器人清通路径
机器人学
2022-12-09 v2
摘要
由于需要减少因等待下一部电梯而产生的时间量，对服务机器人而言高效利用电梯空间十分必要。为此，我们提出一种将强化学习（RL）与语音交互相结合的混合方法，用于机器人进入电梯场景中的导航。与传统导航方法（如最优互惠碰撞避免（ORCA））相比，RL 为机器人提供了更高的探索能力，以寻找进入电梯的新清通路径。所提方法允许机器人在人群站立于电梯入口且内部仍有大量空间时，采取主动清通路径动作朝向电梯移动。这是通过将清通路径动作（语音提示）嵌入 RL 框架实现的，所提导航策略帮助机器人高效且安全地完成任务。与不含主动清通路径操作的最先进导航策略相比，我们的模型方法在进入电梯的成功率与奖励上均有大幅提升。
引用
@article{arxiv.2203.09844,
title = {Reinforcement Learning based Voice Interaction to Clear Path for Robots in Elevator Environment},
author = {Wanli Ma and Xinyi Gao and Jianwei Shi and Hao Hu and Chaoyang Wang and Yanxue Liang and Oktay Karakus},
journal= {arXiv preprint arXiv:2203.09844},
year = {2022}
}