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

要約

人間は、現在の自律型移動ロボットがまだ苦労している、他の人と共有されている公共スペースをナビゲートすることに長けています。人間は、安全かつ効率的に目標に到達する一方で、日常的に意図を伝え、書かれていない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では不器用になり、密集した群衆の中で立ち往生したり、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。
この作業では、ロボットが同様の、人間のような、社会に準拠したナビゲーション動作を学習するために、多くの自然な人間が住む公共空間で、豊富で広く利用可能なソーシャル ヒューマン ナビゲーション データの本体を利用することを提案します。
具体的には、マルチモーダル ロボットの知覚データを提供するために、歩く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。
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スペースで、大規模な (〜 50 km、10 時間、150 回の試行、7 人の人間) データセットを収集します。
データセットを分析し、その使いやすさを実証し、将来の研究の方向性と使用例を指摘します。

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 (~50 km, 10 hours, 150 trials, 7 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