社会机器人导航:基于学习的方法的审查和基准测试
Rashid Alyassi1,2,3, Cesar Cadena4, Robert Riener2
1Spinal Cord Injury and Artificial Intelligence Lab, D-HEST, ETH Zurich, Zürich, Switzerland.
Frontiers in robotics and AI
|December 29, 2025
概括
基于学习的社会导航使机器人能够理解人类的运动和社会规范,从而实现更安全的共存. 端到端的模型显示出在拥挤的环境中实现高效,适应性机器人导航的希望.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 人与机器人的交互
背景情况:
- 在人类环境中有效的自主移动机器人操作需要社会意识,而不仅仅是避开障碍.
- 基于学习的方法正在推动人类运动的解释和适应社会规范,以实现流动的人机器人共存.
研究的目的:
- 审查最近基于学习的社会导航方法在人类机器人共存的进展.
- 分析核心系统组件,包括培训环境和社会合规行为的目标.
- 在人群场景中提供现有框架的基准和对建筑选择的见解.
主要方法:
- 基于学习的社会导航的文献综述.
- 导航方法的分类学.
- 在具有挑战性的群众场景中对现有框架进行基准测试.
- 从原始传感器输入进行端到端模型规划的分析.
主要成果:
- 在实际的协调任务中,基于学习的方法经常优于基于模型的方法.
- 端到端的模型通过从传感器数据直接规划来表现出强大的性能,从而实现高效和自适应的导航.
- 当前的框架显示了复杂人群导航的优点和缺点.
结论:
- 准确预测人类运动,现实的培训环境和强大的评估方法对于推进社会导航至关重要.
- 克服目前的局限性将促进社会导航系统在日常环境中安全可靠的部署.
- 未来的研究应该专注于提高预测能力,模拟准确性和评估中的现实世界复杂性.
更多相关视频
06:28A Networked Desktop Virtual Reality Setup for Decision Science and Navigation Experiments with Multiple Participants
Published on: August 26, 2018
6.3K
04:41Utilizing a Reconfigurable Maze System to Enhance the Reproducibility of Spatial Navigation Tests in Rodents
Published on: December 2, 2022
3.2K
