VLM-Social-Nav: 通过视觉语言模型评分实现社交感知机器人导航
机器人学
2024-11-27 v3
摘要
我们提出VLM-Social-Nav，一种基于视觉语言模型的新型导航方法，用于计算机器人在以人为中心的环境中的运动。我们的目标是实时决策机器人动作，使其符合人类期望的社会规范。我们利用感知模型检测重要的社会实体，并提示VLM生成符合社会规范的机器人行为指导。VLM-Social-Nav使用基于VLM的评分模块计算一个成本项，确保底层规划器生成的机器人动作既符合社会规范又有效。我们的整体方法减少了对大型训练数据集的依赖，并增强了决策的适应性。在实践中，它改善了在人机共享环境中的社会合规导航。我们在四种不同的真实世界社交导航场景中使用Turtlebot机器人演示和评估了我们的系统。我们观察到在四种社交导航场景中，平均成功率至少提高27.38%，平均碰撞率至少降低19.05%。我们的用户研究评分显示，VLM-Social-Nav生成了最符合社会规范的导航行为。
引用
@article{arxiv.2404.00210,
title = {VLM-Social-Nav: Socially Aware Robot Navigation through Scoring using Vision-Language Models},
author = {Daeun Song and Jing Liang and Amirreza Payandeh and Amir Hossain Raj and Xuesu Xiao and Dinesh Manocha},
journal= {arXiv preprint arXiv:2404.00210},
year = {2024}
}