移动机器人社交感知导航：基于深度强化学习的方法综述
机器人学
2025-12-02 v1 人工智能
摘要
社交感知导航是机器人领域的一个快速发展的研究方向，使机器人能够在遵守人类隐式社交规范的前提下进行导航。深度强化学习的出现加速了开发能够将这些社交惯例纳入机器人决策以有效实现目标的导航策略。本综述提供了关于基于深度强化学习的社交感知导航方法的全面概述，突出显示了包括 proxemics（Proxemics）、人类舒适度、自然性、轨迹与意图预测等关键方面，这些方面均有助于增强机器人在人类环境中的交互。本 work 严格分析了价值型、策略型和演员-评论家型强化学习算法的集成，以及如前馈、循环、卷积、图神经网络和变换器网络等神经网络架构，用于提升代理学习和表示在社交感知导航中的表现。此外，我们检查了关键评估机制，包括指标、基准数据集、仿真环境以及从仿真到实际机器人硬件应用的持久挑战。我们的文献比较分析表明，尽管深度强化学习在安全性和人类接受度方面显著优于传统方法，但该领域仍因评估机制不统一、缺乏标准化社交指标、计算负担限制可扩展性以及仿真难以转化为实际机器人硬件应用等问题而面临挑战。我们主张，未来进展将取决于发展出利用多种方法优势的混合方法，并产生在技术效率与以人为中心评估之间取得平衡的基准。
引用
@article{arxiv.2512.00049,
title = {Socially aware navigation for mobile robots: a survey on deep reinforcement learning approaches},
author = {Ibrahim Khalil Kabir and Muhammad Faizan Mysorewala},
journal= {arXiv preprint arXiv:2512.00049},
year = {2025}
}