SoRTS：用于长时域社交机器人导航的学习化树搜索
机器人学
2024-02-19 v2
摘要
共享空间中全自主机器人的快速增长需求，呼唤开发能够在拥挤环境中安全、无缝导航的可信智能体。近期用于运动预测的模型在刻画此类环境中的社交互动方面展现出前景。然而，将其适配于导航仍具挑战，因为它们常遭遇泛化失败。受此启发，我们提出社交机器人树搜索（SoRTS），一种用于社交领域安全机器人导航的算法。SoRTS旨在利用蒙特卡洛树搜索（Monte Carlo Tree Search）增强现有的社交感知运动预测模型，以实现长时域导航。我们以通用航空中的社交导航作为案例研究来评估我们的方法，并推进全尺度空中自主的研究。在此过程中，我们引入了XPlaneROS，一个支持人机交互的高保真空中模拟器。我们使用XPlaneROS开展了一项首创的用户研究，其中26名FAA认证飞行员与人类飞行员、我们的算法及其消融版本进行交互。我们的结果在统计证据支持下表明，SoRTS表现出与合格人类飞行员相当的性能，显著优于其消融版本。最后，我们辅以广泛的自博弈实验集，以展示我们的算法在复杂度递增场景中的性能。
引用
@article{arxiv.2309.13144,
title = {SoRTS: Learned Tree Search for Long Horizon Social Robot Navigation},
author = {Ingrid Navarro and Jay Patrikar and Joao P. A. Dantas and Rohan Baijal and Ian Higgins and Sebastian Scherer and Jean Oh},
journal= {arXiv preprint arXiv:2309.13144},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2304.01428