GROVE: Grounded Pedestrian Simulation via Natural Language for Interactive Social Robot Navigation
作者: Duc Tai Nguyen, Volodymyr Shcherbyna, Anh Do Duc, Zhengcheng Shen, Teham Buiyan, Linh Kästner
分类: cs.RO
发布日期: 2026-06-24
备注: Accepted at IROS 26
💡 一句话要点
提出GROVE框架以解决社交机器人导航中的行人模拟问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 行人模拟 社交机器人 文本生成 场景自定义 高保真度 人机交互 动态选择
📋 核心要点
- 现有行人模拟方法缺乏灵活性，通常需要手动生成数据，难以适应复杂的社交场景。
- GROVE框架通过文本输入生成行人模拟，允许用户自定义场景并动态选择适合的模拟方法。
- 实验结果表明，GROVE在住宅、医院和办公室等多种环境中，能够生成高保真的行人行为，提升社交机器人导航的挑战性。
📝 摘要（中文）
行人模拟是训练和部署社交机器人导航的重要组成部分，但现有系统往往缺乏灵活性，需要手动生成数据以定义简单场景。本文提出GROVE，一个文本到场景的行人模拟框架，结合了先进的方法生成逼真且具有社会挑战性的场景。用户可以自定义多种常见预设或输入独立提示，生成高度可定制的行人模拟。通过动态选择不同的先进方法，GROVE能够捕捉行人行为的细微差别，从而缩小模拟与现实之间的差距。我们通过与现有基线的定性比较验证了该方法在不同复杂场景中的有效性，结果显示其在复杂多样的人类行为模拟方面具有高保真度。
🔬 方法详解
问题定义：现有的行人模拟系统往往是刚性的，无法灵活应对复杂的社交场景，导致手动数据生成的需求高，效率低下。
核心思路：GROVE框架通过文本到场景的转换，允许用户自定义场景并生成高度可定制的行人模拟，旨在提高模拟的灵活性和真实感。
技术框架：GROVE包括多个模块，分别负责长时间的人类行为模拟、中等时间的行人导航和短时间的机器人/社交交互。每个模块根据用户输入的提示进行调优，以反映用户意图。
关键创新：GROVE的创新在于其动态选择先进方法的能力，能够捕捉行人行为的细微差别，从而有效缩小模拟与现实之间的差距。
关键设计：框架中采用了多种先进的算法和模型，具体的参数设置和损失函数设计尚未详细披露，但每个模块的调优均基于用户的场景提示。
🖼️ 关键图片
📊 实验亮点
实验结果显示，GROVE在多个复杂场景中与现有行人模拟基线进行定性比较，成功生成了高保真的行人行为，显著提升了社交机器人导航的挑战性，具体性能数据尚未披露。
🎯 应用场景
GROVE框架在社交机器人导航领域具有广泛的应用潜力，能够用于复杂环境中的人机交互场景，如医院、办公楼和公共场所。通过生成逼真的行人行为，GROVE可以帮助社交机器人更好地理解和适应人类行为，提高其在实际应用中的表现和安全性。
📄 摘要（原文）
Pedestrian simulation is a critical component for training and deploying social robot navigation approaches, yet it remains a largely rigid system that repeatedly requires manual data generation to define even simple scenarios. We propose GROVE, a text-to-scenario pedestrian simulation framework that combines state-of-the-art approaches to produce realistic, socially challenging scenarios for social robot navigation. Our framework allows users to customize one of several common presets (emergency, queuing, normal) or even enter a fully independent prompt to generate a highly customizable pedestrian simulation. Multiple modules separately ensure the realism and soundness of long-horizon human behavior, medium-horizon pedestrian navigation, and short-horizon robot/social interactions. Each module is tuned by the prompt in a way that reflects the user intent across all aspects of pedestrian simulation. By dynamically selecting one of several state-of-the-art (SotA) approaches in our modules based on the scenario, we capture many situational nuances of pedestrian behavior in order to narrow the simulation-to-real (sim2real) gap. The human simulation is directly integrated into Isaac Sim, Gazebo, and RViz simulators for robot deployment in highly social environments. We validate our approach through qualitative comparison against existing pedestrian simulation baselines across scenarios of varying complexity in residential, hospital, and office environments. The result is a high-fidelity pedestrian simulation that challenges social robot navigation with complex, diverse, realistic human behaviors.