迈向类人的社交机器人导航：一个大规模、多模态的社交人类导航数据集
机器人学
2023-08-10 v2
摘要
人类善于在与其他人共享的公共空间中导航，而当前自主移动机器人仍在此方面挣扎：在安全高效地抵达目标的同时，人类每天都会传达其意图并遵守不成文的社交规范；相反，机器人在那些日常社交场景中变得笨拙，在密集人群中卡住、惊吓附近行人甚至造成碰撞。尽管近期关于机器人学习的研究已在数据驱动的社交机器人导航方面展现出前景，但优质训练数据仍难以通过试错或专家演示获得。在本工作中，我们提议利用许多自然人类居住公共空间中丰富、广泛可用的社交人类导航数据，使机器人学习类似、类人、符合社交规范的导航行为。具体而言，我们设计了一套可由行走人类佩戴的开放式 ego-centric 数据采集传感器套件，以提供多模态机器人感知数据；我们在多种包含大量自然社交导航交互的公共空间中收集了一个大规模（约 100 km、20 小时、300 次试验、13 人）数据集；我们分析该数据集，展示其可用性，并指出未来研究方向和用例。
引用
@article{arxiv.2303.14880,
title = {Toward Human-Like Social Robot Navigation: A Large-Scale, Multi-Modal, Social Human Navigation Dataset},
author = {Duc M. Nguyen and Mohammad Nazeri and Amirreza Payandeh and Aniket Datar and Xuesu Xiao},
journal= {arXiv preprint arXiv:2303.14880},
year = {2023}
}
备注
Accepted by 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2023)