利用无监督学习探索城市环境中机器人-行人交互
机器人学
2024-05-21 v1
摘要
本研究识别出数据驱动方法在机器人中心行人交互中的不足，提出了相应的管线。该管线利用无监督学习技术识别城市环境中交互数据的模式，具体聚焦冲突场景。分析的特征包括机器人和行人的速度以及上下文参数如距离交叉口的距离。通过主成分分析（PCA）对特征进行降维处理，随后采用 K 均值聚类揭示交互数据中的潜在模式。本文给出了一个应用案例，利用来自中型德国城市的真实机器人任务数据。结果表明，需通过引入上下文信息来丰富交互表征，以实现细粒度分析和推理。然而，这些结果也突显了需扩大数据集规模并纳入额外的上下文因素，以提升机器人情境感知和交互质量的必要性。
引用
@article{arxiv.2405.12098,
title = {Using Unsupervised Learning to Explore Robot-Pedestrian Interactions in Urban Environments},
author = {Sebastian Zug and Georg Jäger and Norman Seyffer and Martin Plank and Gero Licht and Felix Wilhelm Siebert},
journal= {arXiv preprint arXiv:2405.12098},
year = {2024}
}