Apr, 2023

共享空域长时程社交机器人导航的学习树搜索

PDF
TL;DR本研究提出了一种名为 SoRTS 的算法，它可以提高现有的社交感知轨迹预测策略，并结合 Monte Carlo Tree Search 进行移动机器人的安全导航。实验结果显示，SoRTS 在人类驾驶员的表现基础上表现出更出色的性能。
autonomous aerial operationssocially-aware trajectory predictionmonte carlo tree searchgeneral aviationaerial simulator
发现论文，激发创造
  • 评估社交机器人导航算法的原则和指南

    本文提出了评估社交机器人导航算法的标准、度量方式和基于场景分析的指导方针，并设计了一个社交导航度量指标框架来比较不同的模拟器、机器人和数据集的结果。

    Jun, 2023

  • 社交意识：考虑社交和心理约束的机器人在行人中的导航

    SocioSense 是一种实时算法，用于基于 Bayesian 学习和人格特征预测每个行人的时间变化行为，从而改善机器人在人群中的导航性能。

    Jun, 2017

  • 借助第一人称行为克隆辅助快速探索随机树的高效探索

    本文提出了一种能够通过结合人类测试人员的经验和快速扩展随机树（RRT）的极尽全面性来高效地搜索游戏状态空间的测试方法，并称作 Cloning Assisted RRT（CA-RRT），比传统的加权 RRT 和人类演示生成的 RRT 更适用于更多的游戏地图和测试环境，表现出更高的搜索效率。

    Mar, 2022

  • 多智能体动态关系推理在社交机器人导航中的应用

    通过系统的关系推理方法和轨迹预测，我们提出了一种适用于多智能体系统的社交机器人导航研究，通过该方法，在密集、互动场景中，在安全性、效率性和社交遵循性方面显著优于最强基准线。

    Jan, 2024

  • SoLo T-DIRL: 基于轨迹排序深反馈强化学习的社会感知动态局部路径规划器

    本文提出了一种社交感知动态本地规划器的新框架，通过利用最近提出的轨迹排序最大熵深逆强化学习方法，从人类演示中学习奖励函数并显式地考虑社交互动因素和社交感知因素，同时提出使用机器人周围行人的突然速度变化来进行轨迹排名评分，从而解决人类演示中的次优问题。实验表明，该方法能够成功地使机器人在拥挤的社交环境中导航，并在成功率、导航时间和入侵率方面优于现有的社交导航方法。

    Sep, 2022

  • 社交可解释树用于行人轨迹预测

    本文提出了一种基于 Social Interpretable Tree (SIT) 的树状优化算法，能够显式地解释了粗略的手势移动路径，从而提高了多模态预测的可解释性，实验结果表明，和现有深度学习模型相比，该模型能够更加精确地预测未来的运动路径。

    May, 2022

  • 神经符号常识社会推理

    本研究介绍了一种利用神经符号定理证明器将自然语言中的社交经验法则转换成一阶逻辑，从而进行逻辑推理，并通过一种新的算法生成抽象意义表示法（AMR）的替代简化版本，以增加对不同文本措辞和不正确 AMR 解析的稳健性。该系统在社交化学 101 个数据集中应用，旨在开发和评估执行关于社交情境的显式推理的神经符号方法。

    Mar, 2023

  • 社交集成导航：基于深度强化学习的社交行为机器人

    移动机器人在各种拥挤场合中得到广泛应用，社会接受的导航行为是可扩展应用和人类认可的必要条件。深度强化学习方法被用于学习机器人的导航策略和模拟机器人与人类之间的复杂互动。通过在与人类互动的环境中训练深度强化学习策略，我们提出了一种新颖的社会整合导航方法，该方法适应性地产生机器人的社会行为，并且在距离行驶、完成时间和对环境中所有代理的负面影响方面优于社会感知方法。

    Mar, 2024

  • 通过双层优化的去中心化非合作机器人社交导航

    本文提出了一种全面去中心化的方法，用于社交小游戏中的实时非合作多机器人导航，使用新的实时双层优化算法来规划基于优先顺序的最优轨迹，并证明了该算法的有效性。

    Jun, 2023

  • 多机器人社交感知协作规划在行人环境中的多智能体强化学习

    本文提出了一种基于离线多智能体强化学习（MARL）的多机器人社交感知和高效协同规划方法，使用时间 - 空间图（TSG）进行社交编码，引入 K 步先见奖励设置，并改进了传统的集中式批判者网络，从而在多群组实验中验证了该方法的有效性。

    Nov, 2022