面向人群导航的关系图学习

我们提出一种基于模型深度强化学习的关系图学习方法，用于机器人人群导航，其通过前瞻未来进行动作规划。我们的方法基于所有智能体的潜在特征推理其相互关系，并使用图卷积网络在每个智能体状态表示中编码高阶交互，随后将其用于状态预测与价值估计。预测人体运动的能力使我们能够执行多步前瞻规划，考虑人群的时间演化。我们将我们的方法与人群导航的state-of-the-art基线及我们模型的消融版本进行评估，证明采用我们方法的导航更高效、碰撞更少，并避免了涉及振荡与冻结行为的失败情形。