[论文解读] A Survey on Human-aware Robot Navigation

Ronja Möller, Antonino Furnari+3 more|arXiv (Cornell University)|Jun 22, 2021

Social Robot Interaction and HRI被引用 4

一句话总结

本综述全面概述了以人为本的机器人导航，整合了主动视觉、机器人导航、人机交互以及人类活动识别。它综合了视觉导航、社会合规性以及运动规划领域的最新进展，强调了跨学科方法和基准测试框架的必要性，以实现机器人在有人环境中的安全且自然的导航。

ABSTRACT

Intelligent systems are increasingly part of our everyday lives and have been integrated seamlessly to the point where it is difficult to imagine a world without them. Physical manifestations of those systems on the other hand, in the form of embodied agents or robots, have so far been used only for specific applications and are often limited to functional roles (e.g. in the industry, entertainment and military fields). Given the current growth and innovation in the research communities concerned with the topics of robot navigation, human-robot-interaction and human activity recognition, it seems like this might soon change. Robots are increasingly easy to obtain and use and the acceptance of them in general is growing. However, the design of a socially compliant robot that can function as a companion needs to take various areas of research into account. This paper is concerned with the navigation aspect of a socially-compliant robot and provides a survey of existing solutions for the relevant areas of research as well as an outlook on possible future directions.

研究动机与目标

• 综合当前关于在有人环境中实现社会合规机器人导航的研究。
• 识别将机器人导航与人类行为建模及社会规范相结合的关键挑战。
• 突出以人为本导航的跨学科特性，涵盖主动视觉、HRI 和活动识别。
• 倡导建立标准化基准和数据集，以加速社会意识导航的发展。
• 探讨模拟、语言、手势和情绪识别在提升人机导航中的作用。

提出的方法

• 对机器人导航、人机交互、活动识别和主动视觉领域近期文献的系统性综述。
• 根据基于地图与无地图、视觉输入以及社会合规性度量标准对导航方法进行分类。
• 分析传感器模态，特别关注RGB(D)摄像头在基于视觉导航中的作用。
• 评估强化学习与模仿学习方法在学习社会行为（如保持个人空间）方面的应用。
• 调查新兴的模拟框架（例如，iGibson、SEAN）及其在训练社会意识机器人方面的潜力。
• 将人类行为建模（包括姿态估计、动作识别和轨迹预测）整合到导航系统中。

实验结果

研究问题

• RQ1 机器人如何在动态人类环境中安全且自然地导航，同时尊重社会规范？
• RQ2 在将机器人导航与人类活动及行为建模相结合时，面临哪些关键技术与方法论挑战？
• RQ3 如何整合视觉感知、主动视觉和社会线索以提升导航性能？
• RQ4 语言、手势和情绪状态在实现社会合规机器人导航中扮演何种角色？
• RQ5 当前在以人为本机器人导航的基准测试与数据集可用性方面存在哪些局限？

主要发现

• 关于以人为本的机器人导航的研究日益增多，但极少有工作明确聚焦于导航与社会及行为理解的全面整合。
• 强化学习方法在学习社会行为（如保持适当社交距离、适应人类目标）方面展现出良好前景。
• 像iGibson和SEAN这样的模拟环境正逐渐成为训练和评估社会意识导航的宝贵工具，尽管其真实感和采用程度仍有限。
• 语言引导导航和具身问答正成为实现复杂、上下文感知导航任务的可行范式。
• 手势和情绪识别可通过实现非语言沟通和基于人类情绪的自适应路径规划来增强导航能力。
• 缺乏标准化的基准和共享的评估指标制约了进展，亟需对人类跟随和社交合规等任务建立统一的定义。