SocNavBench：用于评估社会导航的接地仿真测试框架
机器人学
2021-07-29 v2 人机交互
摘要
人机交互（HRI）社区已开发许多使机器人能安全且具社会性地在人类旁导航的方法。然而，评估这些工作的实验流程通常按方法逐一构建。此类分散的评估使得跨文献比较这些方法的性能变得困难。为弥合此差距，我们引入 SocNavBench，一个用于评估社会导航算法的仿真框架。SocNavBench 包含一个具备照片级真实感能力的模拟器，以及基于真实世界行人数据构建的精选社会导航场景。我们还提供了一套度量指标的实现，以量化导航算法在这些场景上的性能。总体而言，SocNavBench 提供了一个以一致且可解释的方式评估不同社会导航方法的测试框架。为说明其用途，我们在 SocNavBench 上演示测试了三种现有社会导航方法与一种基线方法，展示该度量套件如何帮助推断它们的性能权衡。我们的代码是开源的，允许社区添加新场景与度量，以帮助 SocNavBench 演进以反映我们对社会导航认知的进展。
引用
@article{arxiv.2103.00047,
title = {SocNavBench: A Grounded Simulation Testing Framework for Evaluating Social Navigation},
author = {Abhijat Biswas and Allan Wang and Gustavo Silvera and Aaron Steinfeld and Henny Admoni},
journal= {arXiv preprint arXiv:2103.00047},
year = {2021}
}
备注
Associated code and benchmark available at https://github.com/CMU-TBD/SocNavBench ; Accepted to ACM Transactions on Human-Robot Interaction