Toward Human-Like Social Robot Navigation: A Large-Scale, Multi-Modal, Social Human Navigation Dataset

要約

人間は、他人と共有する公共空間をうまく移動することができますが、現在の自律移動ロボットは依然として困難を極めています。人間は、安全かつ効率的に目標を達成しながら、日常的に自分の意図を伝え、不文律の社会規範に準拠しています。
逆に、ロボットは日常の社会的シナリオにおいて不器用になり、密集した群衆に巻き込まれたり、近くの歩行者を驚かせたり、衝突を引き起こしたりすることさえあります。
ロボット学習に関する最近の研究では、データ駆動型のソーシャル ロボット ナビゲーションが有望であることが示されていますが、試行錯誤や専門家のデモンストレーションを通じて高品質のトレーニング データを取得することは依然として困難です。
この研究では、人間が居住する自然の公共空間の多くで豊富で広く利用可能な社会的な人間のナビゲーション データを利用して、ロボットが同様の人間に似た社会に準拠したナビゲーション行動を学習することを提案します。
具体的には、マルチモーダルなロボット認識データを提供するために、歩行中の人間が着用できるオープンソースの自己中心的なデータ収集センサー スイートを設計します。
私たちは、多数の自然なソーシャル ナビゲーション インタラクションを含むさまざまな公共空間で大規模 (約 100 km、20 時間、300 回のトライアル、13 人) のデータセットを収集します。
私たちはデータセットを分析し、その有用性を実証し、将来の研究の方向性とユースケースを指摘します。

要約(オリジナル)

Humans are well-adept at navigating public spaces shared with others, where current autonomous mobile robots still struggle: while safely and efficiently reaching their goals, humans communicate their intentions and conform to unwritten social norms on a daily basis; conversely, robots become clumsy in those daily social scenarios, getting stuck in dense crowds, surprising nearby pedestrians, or even causing collisions. While recent research on robot learning has shown promises in data-driven social robot navigation, good-quality training data is still difficult to acquire through either trial and error or expert demonstrations. In this work, we propose to utilize the body of rich, widely available, social human navigation data in many natural human-inhabited public spaces for robots to learn similar, human-like, socially compliant navigation behaviors. To be specific, we design an open-source egocentric data collection sensor suite wearable by walking humans to provide multi-modal robot perception data; we collect a large-scale (~100 km, 20 hours, 300 trials, 13 humans) dataset in a variety of public spaces which contain numerous natural social navigation interactions; we analyze our dataset, demonstrate its usability, and point out future research directions and use cases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google