Learning Early Social Maneuvers for Enhanced Social Navigation

要約

社会に準拠したナビゲーションは、ヒューマンロボットインタラクションにおける安全機能の不可欠な部分です。
モバイルナビゲーションへの従来のアプローチは効率などの物理的な側面を優先していましたが、ロボットが日常生活にもっと登場するにつれて、社会的な行動が注目を集めています。
ナビゲーションの社会的コンプライアンスを向上させるための最近の技術は、多くの場合、事前定義された機能または報酬関数に依存しており、社会的な人間の行動に関する仮定が導入されています。
この制限に対処するために、生の感覚データのみを利用するソーシャル ナビゲーションのための新しい Learning from Demonstration (LfD) フレームワークを提案します。
さらに、提案されたシステムには、問題の時間的側面を認識して、周囲の歩行者の将来の進路を考慮するメカニズムが含まれています。
最終製品は、移動ロボットと環境を共有する人々の不安を軽減し、ロボットが自分の存在を認識しており、危害を加えることはないと人々が信頼できるようになることが期待されている。
このフレームワークは現在開発中であるため、そのコンポーネントの概要を説明し、実験結果を示し、このフレームワークの実現に向けた今後の取り組みについて説明します。

要約(オリジナル)

Socially compliant navigation is an integral part of safety features in Human-Robot Interaction. Traditional approaches to mobile navigation prioritize physical aspects, such as efficiency, but social behaviors gain traction as robots appear more in daily life. Recent techniques to improve the social compliance of navigation often rely on predefined features or reward functions, introducing assumptions about social human behavior. To address this limitation, we propose a novel Learning from Demonstration (LfD) framework for social navigation that exclusively utilizes raw sensory data. Additionally, the proposed system contains mechanisms to consider the future paths of the surrounding pedestrians, acknowledging the temporal aspect of the problem. The final product is expected to reduce the anxiety of people sharing their environment with a mobile robot, helping them trust that the robot is aware of their presence and will not harm them. As the framework is currently being developed, we outline its components, present experimental results, and discuss future work towards realizing this framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google