Exploiting Proximity-Aware Tasks for Embodied Social Navigation

要約

閉塞された空間的に制約された屋内環境で人間の間を移動する方法を学ぶことは、身体化されたエージェントが私たちの社会に統合されるために必要な重要な能力です。
この論文では、近接認識タスク (リスクおよび近接コンパスと呼ばれる) を活用して、常識的な社会的行動を推測する能力を強化学習ナビゲーション ポリシーに注入するエンド ツー エンドのアーキテクチャを提案します。
この目的のために、私たちのタスクは、衝突の当面および将来の危険の概念を利用します。
さらに、シミュレートされた環境でのソーシャル ナビゲーション タスク用に特別に設計された評価プロトコルを提案します。
これは、エンカウンターと呼ばれる人間とロボットの空間相互作用の最小単位を分析することで、ポリシーの詳細な機能と特性を把握するために行われます。
Gibson4+ および Habitat-Matterport3D データセットでアプローチを検証します。

要約(オリジナル)

Learning how to navigate among humans in an occluded and spatially constrained indoor environment, is a key ability required to embodied agent to be integrated into our society. In this paper, we propose an end-to-end architecture that exploits Proximity-Aware Tasks (referred as to Risk and Proximity Compass) to inject into a reinforcement learning navigation policy the ability to infer common-sense social behaviors. To this end, our tasks exploit the notion of immediate and future dangers of collision. Furthermore, we propose an evaluation protocol specifically designed for the Social Navigation Task in simulated environments. This is done to capture fine-grained features and characteristics of the policy by analyzing the minimal unit of human-robot spatial interaction, called Encounter. We validate our approach on Gibson4+ and Habitat-Matterport3D datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google