SocRATES：面向社交导航算法的场景化自动化测试

当前的社交导航方法与基准主要聚焦于近距离互动与任务效率。虽然这些因素重要，但机器人社交能力的感知定性方面同样关键，关乎其在人类环境中的接受与集成。我们提出通过场景化测试进行更全面的社交导航评估，特定的人机交互场景可揭示关键机器人行为。然而，场景创建往往耗时且复杂。本文引入一条自动化生成社交导航场景的管道，生成可直接用于仿真的、符合语境与位置的场景。该管道将简单的场景元数据转化为详细文本场景，推断行人与机器人轨迹，模拟行人行为，从而实现更可控的评估。我们利用大语言模型（LLM）的社交推理与代码生成能力， streamlining 场景生成与转化。实验表明，该管道生成的场景具备真实性，显著优于直接使用 LLM 提示的场景翻译。此外，我们还提供了面向社交导航专家的可用性研究反馈，以及三个导航算法进行场景化评估的案例研究。