重新思考社交机器人导航：融合几何与学习两类方法之长

使机器人以符合社会规范的方式导航，对于人类环境中机器人的接受度至关重要。此前，机器人专家开发了经数十年经验验证的几何导航系统以实现安全与高效。然而，社会规范的诸多复杂因素使几何导航系统难以适应社交场景——无论怎样调参，都无法同时做到安全（人过于不可预测）与高效（冻结机器人问题）。随着深度学习方法近期进展，常见反应是彻底抛弃这些经典导航系统并从零开始，构建全新的基于学习的社交导航规划器。本工作中，我们发现此种反应实无必要：利用大规模真实社交导航数据集SCAND，我们发现几何系统能在大量社交情境中生成与人类演示一致的轨迹规划。因此，我们探讨能否通过结合几何与基于学习方法的优势，重新思考社交机器人导航问题。我们通过概念验证实验验证该混合范式，其中开发了在几何与基于学习规划间切换的混合规划器。在SCAND与两台物理机器人上的实验表明，混合规划器相比单独使用几何或基于学习方法均能实现更好的社会规范性。