基于大型语言模型的双向自然语言对话增强的社交意识机器人导航
机器人学
2025-03-25 v2
摘要
机器人导航在各个领域都是至关重要的，但传统方法关注效率和障碍规避，往往忽视共享空间中的人类行为。随着服务机器人的兴起，社交意识导航日益受到重视。然而，现有方法主要预测行人运动或发出警报，缺乏真正的人机交互。我们引入 Hybrid Soft Actor-Critic with Large Language Model（HSAC-LLM），一种新型框架，用于社交意识导航。通过将深度强化学习与大型语言模型集成，HSAC-LLM 实现了双向自然语言交互，预测连续和离散导航动作。当潜在碰撞发生时，机器人主动与行人交流以确定规避策略。实验在 2D 模拟、Gazebo 和真实环境中进行，结果表明 HSAC-LLM 在 interaction、navigation 和障碍规避方面优于最先进的深度强化学习方法。该范式为动态环境中的有效人机交互提供了新的推进。视频可在 https://hsacllm.github.io/ 查看。
引用
@article{arxiv.2409.04965,
title = {Socially-Aware Robot Navigation Enhanced by Bidirectional Natural Language Conversations Using Large Language Models},
author = {Congcong Wen and Yifan Liu and Geeta Chandra Raju Bethala and Shuaihang Yuan and Hao Huang and Yu Hao and Mengyu Wang and Yu-Shen Liu and Anthony Tzes and Yi Fang},
journal= {arXiv preprint arXiv:2409.04965},
year = {2025}
}