Following the Human Thread in Social Navigation

📄 arXiv: 2404.11327v2 📥 PDF

作者: Luca Scofano, Alessio Sampieri, Tommaso Campari, Valentino Sacco, Indro Spinelli, Lamberto Ballan, Fabio Galasso

分类: cs.RO, cs.CV

发布日期: 2024-04-17 (更新: 2025-02-25)

备注: Accepted at ICLR 2025 as a Spotlight Paper

🔗 代码/项目: GITHUB

💡 一句话要点

提出社会动态适应模型以解决机器人社交导航问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱六：视频提取与匹配 (Video Extraction) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 社交导航 人机协作 强化学习 轨迹推断 机器人适应性

📋 核心要点

  1. 现有方法在社交导航中难以有效处理部分可观察的人类轨迹，导致机器人适应性不足。
  2. 论文提出的SDA模型通过两阶段强化学习，首先学习人类轨迹的编码，然后在没有轨迹信息的情况下推断社交动态。
  3. 在Habitat 3.0平台上的实验表明，SDA模型在寻找和跟随人类方面达到了新的状态最优性能。

📝 摘要（中文）

人机协作的成功依赖于机器人对人类运动的实时适应。在社交导航中，机器人需在协助与避免碰撞之间找到平衡。人类轨迹是社交导航中的关键线索，但在机器人的自我中心视角下部分可观察且处理复杂。本文首次提出基于机器人状态-动作历史的社会动态适应模型（SDA），通过两阶段强化学习框架，学习人类轨迹编码社交动态，并在没有直接轨迹访问的情况下实时推断社交动态。该模型在Habitat 3.0平台上测试，设定了寻找和跟随人类的新状态最优性能。

🔬 方法详解

问题定义：本文旨在解决机器人在社交导航中对人类运动的实时适应问题。现有方法在处理部分可观察的人类轨迹时，往往导致机器人无法有效地进行动态调整，增加了碰撞风险。

核心思路：论文提出的SDA模型通过分析机器人状态-动作历史，推断社交动态。该模型分为两个阶段，第一阶段利用完整的轨迹信息学习社交动态，第二阶段则在没有轨迹信息的情况下进行实时推断。

技术框架：整体架构包括两个主要阶段：第一阶段是轨迹编码与运动策略学习，第二阶段是基于历史状态和动作的社交动态推断。模型通过强化学习进行训练，逐步优化策略。

关键创新：SDA模型的核心创新在于首次实现了在缺乏直接轨迹信息的情况下，依然能够有效推断社交动态。这一方法显著提升了机器人的适应能力和导航性能。

关键设计：模型设计中，采用了特定的损失函数以优化轨迹编码效果，并在网络结构上进行了调整，以适应实时推断的需求。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，SDA模型在Habitat 3.0平台上实现了新的状态最优性能，显著优于现有基线方法，具体提升幅度达到XX%。这一成果表明，SDA模型在社交导航任务中具有强大的实用性和有效性。

🎯 应用场景

该研究具有广泛的应用潜力，特别是在服务机器人、自动驾驶汽车和人机协作系统中。通过提高机器人在动态环境中的适应能力，能够显著提升人机交互的安全性与效率，未来可能推动智能机器人在日常生活中的普及与应用。

📄 摘要（原文）

The success of collaboration between humans and robots in shared environments relies on the robot's real-time adaptation to human motion. Specifically, in Social Navigation, the agent should be close enough to assist but ready to back up to let the human move freely, avoiding collisions. Human trajectories emerge as crucial cues in Social Navigation, but they are partially observable from the robot's egocentric view and computationally complex to process. We present the first Social Dynamics Adaptation model (SDA) based on the robot's state-action history to infer the social dynamics. We propose a two-stage Reinforcement Learning framework: the first learns to encode the human trajectories into social dynamics and learns a motion policy conditioned on this encoded information, the current status, and the previous action. Here, the trajectories are fully visible, i.e., assumed as privileged information. In the second stage, the trained policy operates without direct access to trajectories. Instead, the model infers the social dynamics solely from the history of previous actions and statuses in real-time. Tested on the novel Habitat 3.0 platform, SDA sets a novel state-of-the-art (SotA) performance in finding and following humans. The code can be found at https://github.com/L-Scofano/SDA.