SocialNav：面向社交感知本体导航的人类启发式基础模型训练
机器人学
2026-03-02 v2 人工智能
计算机视觉与模式识别
摘要
遵循社交规范的本体导航仍是开放的研究挑战。我们的SocialNav是面向社交感知导航的基础模型，采用分层“大脑-动作”架构，能够理解高层社交规范并生成低层社交合规轨迹。为实现这种双重能力，我们构建了SocNav数据集，这是一个包含 700 万样本的大规模数据集，包括（1）提供社交推理信号的认知激活数据集，如链式思考解释和社交可达性预测；以及（2）聚合来自互联网视频、模拟环境和真实机器人的专家轨迹金字塔。我们提出了多阶段训练管道，以逐步注入和细化导航智能：我们首先通过模仿学习将通用导航技能和社交规范理解注入模型，然后通过刻意设计的社交感知流体探索 GRPO（SAFE-GRPO），这是一种首次用于本体导航的基于流的强化学习框架，显式奖励社交合规行为。SocialNav 在成功率和社交合规率方面分别比最新方法提升了 38% 和 46%，显示出在导航性能和社交合规性方面取得了显著的改进。我们的项目页面：https://amap-eai.github.io/SocialNav/。
引用
@article{arxiv.2511.21135,
title = {SocialNav: Training Human-Inspired Foundation Model for Socially-Aware Embodied Navigation},
author = {Ziyi Chen and Yingnan Guo and Zedong Chu and Minghua Luo and Yanfen Shen and Mingchao Sun and Junjun Hu and Shichao Xie and Kuan Yang and Pei Shi and Zhining Gu and Lu Liu and Honglin Han and Xiaolong Wu and Mu Xu and Yu Zhang and Ning Guo},
journal= {arXiv preprint arXiv:2511.21135},
year = {2026}
}