SocNav1：一个用于基准测试和学习社会导航惯例的数据集
机器人学
2020-01-15 v2 人机交互
摘要
适应社会惯例是辅助机器人和社交机器人被接受的必然要求。虽然科学界普遍认为辅助机器人和社交机器人伴侣在近期内不太可能得到广泛应用，但它们在医疗保健和其他中型机构中的存在正成为现实。这些机器人将对工业和医疗保健等领域产生有益影响。社会导航方面日益增多的研究贡献也表明了该主题的重要性。为了促进这些机器人在未来的普及，它们不仅要有用，还要被社会接受。能够主动请求协作或许可的第一步是估计机器人是否会让人们感到不舒服，而这正是评估社会导航合规性的算法的目标。一些方法提供解析模型，而另一些则使用神经网络等机器学习技术。本数据报告介绍并描述了 SocNav1，一个用于社会导航惯例的数据集。SocNav1 的目标有两个：a) 能够比较机器人在导航时用于评估其在特定位置存在便利性的算法；b) 提供足够的数据，以便可以使用深度神经网络等现代机器学习算法。由于数据的结构化特性，SocNav1 特别适合用于基准测试非欧几里得机器学习算法，如图神经网络（见[1]）。该数据集已在一个公共仓库中提供。
引用
@article{arxiv.1909.02993,
title = {SocNav1: A Dataset to Benchmark and Learn Social Navigation Conventions},
author = {Luis J. Manso and Pedro Nunez and Luis V. Calderita and Diego R. Faria and Pilar Bachiller},
journal= {arXiv preprint arXiv:1909.02993},
year = {2020}
}