SoLo T-DIRL：基于轨迹排序深度逆强化学习的社会感知动态局部规划器
机器人学
2022-09-19 v1 人工智能
摘要
本工作基于最近提出的轨迹排序最大熵深度逆强化学习（T-MEDIRL），提出了一种用于拥挤环境中社会感知动态局部规划器的新框架。为解决社交导航问题，我们的多模态学习规划器将社会交互因素以及社会感知因素显式地纳入 T-MEDIRL 流程，以从人类示范中学习奖励函数。此外，我们利用机器人周围行人的突发速度变化提出了一种新颖的轨迹排序分数，以解决人类示范中的次优性问题。我们的评估表明，该方法能成功使机器人在拥挤社交环境中导航，并在成功率、导航时间和侵入率方面优于最先进的社交导航方法。
引用
@article{arxiv.2209.07996,
title = {SoLo T-DIRL: Socially-Aware Dynamic Local Planner based on Trajectory-Ranked Deep Inverse Reinforcement Learning},
author = {Yifan Xu and Theodor Chakhachiro and Tribhi Kathuria and Maani Ghaffari},
journal= {arXiv preprint arXiv:2209.07996},
year = {2022}
}