社交合规导航数据集（SCAND）：面向社交导航的大规模演示数据集
机器人学
2022-06-10 v2 计算机视觉与模式识别
机器学习
系统与控制
系统与控制
摘要
社交导航是指自主智能体（如机器人）在其他智能体（如人类）存在时以“社交合规”方式导航的能力。随着自主导航移动机器人在人类环境中的出现（例如家庭与餐厅中的家用服务机器人、公共人行道上送餐机器人），在这些机器人上融入社交合规导航行为对于确保安全舒适的人机共存至关重要。为应对该挑战，模仿学习是一种有前景的框架，因为人类演示社交导航任务比公式化能准确捕捉社交导航复杂多目标设定的奖励函数更为容易。然而，模仿学习与逆强化学习在移动机器人社交导航中的应用，目前受限于缺乏在真实场景中捕捉社交合规机器人导航演示的大规模数据集。为填补此空白，我们引入 Socially CompliAnt Navigation Dataset (SCAND)，一个大规模、第一人称视角的社交合规导航演示数据集。我们的数据集包含 8.7 小时、138 条轨迹、25 英里的社交合规、人类遥操作驾驶演示，涵盖多模态数据流，包括 3D lidar、操纵杆指令、里程计、视觉与惯性信息，由四名不同人类演示者在室内外环境中使用两台形态不同的移动机器人（Boston Dynamics Spot 与 Clearpath Jackal）采集。我们进一步通过真实世界机器人实验进行初步分析与验证，表明在 SCAND 上通过模仿学习学到的导航策略可生成社交合规行为。
引用
@article{arxiv.2203.15041,
title = {Socially Compliant Navigation Dataset (SCAND): A Large-Scale Dataset of Demonstrations for Social Navigation},
author = {Haresh Karnan and Anirudh Nair and Xuesu Xiao and Garrett Warnell and Soeren Pirk and Alexander Toshev and Justin Hart and Joydeep Biswas and Peter Stone},
journal= {arXiv preprint arXiv:2203.15041},
year = {2022}
}