Robot Trajectron V2：用于导航的概率共享控制框架
机器人学
2025-09-25 v1
摘要
我们提出了一种名为 Robot Trajectron V2（RT-V2）的概率共享控制解决方案，用于导航，能够实现准确的意图预测并在人机交互中提供安全、有效的辅助。RT-V2 通过结合先验意图模型与后验更新来联合建模用户的长期行为模式及其噪声低维控制信号，先验更新考虑了实时用户输入和环境上下文。先验利用循环神经网络和条件变分自编码器捕捉用户意图的多模态和历史依赖性特征，后验则将此与不确定的用户命令相结合以推断期望动作。我们在合成基准测试、键盘输入的人机交互研究以及非人灵长类动物的脑机接口实验中进行了广泛实验以验证 RT-V2。结果表明，RT-V2 在意图估计方面优于现有最先进方法，提供了安全高效的导航支持，并在用户自主性与辅助干预之间实现了适当平衡。通过统一概率建模、强化学习和安全优化，RT-V2 为多样化辅助技术的共享控制提供了一个原则性和可泛化的方法。
引用
@article{arxiv.2509.19954,
title = {Robot Trajectron V2: A Probabilistic Shared Control Framework for Navigation},
author = {Pinhao Song and Yurui Du and Ophelie Saussus and Sofie De Schrijver and Irene Caprara and Peter Janssen and Renaud Detry},
journal= {arXiv preprint arXiv:2509.19954},
year = {2025}
}
备注
26 pages, 20 figures