social navigation | BriefGPT

关键词social navigation

搜索结果 - 8

社会导航中追随人类线索
基于机器人的状态 - 动作历史，提出了第一个社交动力学适应模型（SDA），用于推断社交动态。在共享环境中，机器人通过学习人类轨迹并基于该信息、当前状态和前一动作学习运动策略，成功实现了人机协作和社交导航。通过在 Habitat 3.0 平台
PDF3 months ago
TBD 行人数据收集：朝着丰富、便携和大规模的自然行人数据
我们设计了一个便携的数据采集系统，结合了自主标注流水线，通过一个标签修正的网络应用来实现对自动行人跟踪结果的人工验证，在多个环境下实现大规模数据采集和快速轨迹标签生产。与现有行人数据采集方法相比，我们的系统具备了自上而下和自我中心视图的组合
PDF9 months ago
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。
PDFa year ago
SocNavGym：面向社交导航的强化学习 Gym
本文介绍了一种名为 SocNavGym 的仿真环境，该环境可以生成各种社交导航情景，并可以与不同的社交奖励信号配合使用以提供评估结果，同时可以训练出具有高度社交合规性的导航智能体。
PDFa year ago
利用接近感知任务实现社交导航
本文提出了一种基于 Proximity-Aware Tasks 进行增强学习的社交导航策略，该策略利用干涉 Social Behaviors 的能力，解决在室内环境中人类导航的挑战，模拟了最小的人机交互单元 —— 遭遇。在 Gibson4
PDF2 years ago
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
PDF2 years ago
使用强化学习在限制的行人环境下实现机器人导航
本文提出了基于强化学习（RL）的方法来解决移动机器人在密闭空间中与行人互动的导航问题，探索了多个场景下训练准则的可复用性，并在两个真实环境的三维重建中表现出了良好的迁移能力。
PDF4 years ago
利用全卷积网络学习人意识路径规划
论文介绍了一种通过演示学习路径规划的方法，运用了全卷积神经网络来学习专家路径演示的地图，并使用 RRT* 算法来优化路径预测，本方法已在真实路径中进行试验并与逆强化学习算法进行了对比。
PDF6 years ago