[论文解读] Socially-Aware Navigation: A Non-linear Multi-Objective Optimization Approach

Santosh Balajee Banisetty, Scott Forer+3 more|arXiv (Cornell University)|Nov 10, 2019

Social Robot Interaction and HRI被引用 4

一句话总结

本文提出一种基于帕累托凹性消除变换（PaCcET）的非线性多目标优化方法，以实现在移动机器人中具备社会意识的导航。该方法集成于ROS导航堆栈中，优化了在多样化人机交互场景下的人际空间、亲密距离等社会规范，成功实现了在走廊、画廊、队列及群体互动场景中，基于仿真与真实机器人的导航。

ABSTRACT

Mobile robots are increasingly populating homes, hospitals, shopping malls, factory floors, and other human environments. Human society has social norms that people mutually accept; obeying these norms is an essential signal that someone is participating socially with respect to the rest of the population. For robots to be socially compatible with humans, it is crucial for robots to obey these social norms. In prior work, we demonstrated a Socially-Aware Navigation (SAN) planner, based on Pareto Concavity Elimination Transformation (PaCcET), in a hallway scenario, optimizing two objectives so that the robot does not invade the personal space of people. This paper extends our PaCcET based SAN planner to multiple scenarios with more than two objectives. We modified the Robot Operating System's (ROS) navigation stack to include PaCcET in the local planning task. We show that our approach can accommodate multiple Human-Robot Interaction (HRI) scenarios. Using the proposed approach, we achieved successful HRI in multiple scenarios like hallway interactions, an art gallery, waiting in a queue, and interacting with a group. We implemented our method on a simulated PR2 robot in a 2D simulator (Stage) and a pioneer-3DX mobile robot in the real-world to validate all the scenarios. A comprehensive set of experiments shows that our approach can handle multiple interaction scenarios on both holonomic and non-holonomic robots; hence, it can be a viable option for a Unified Socially-Aware Navigation (USAN).

研究动机与目标

• 为解决机器人在人群环境导航时违反社会规范的问题，例如侵入个人空间或将人视为障碍物。
• 将先前针对社会意识导航（SAN）的两目标优化扩展至多目标优化，以提升在复杂人机交互（HRI）场景中的适用性。
• 将非线性多目标优化框架（PaCcET）集成至机器人操作系统（ROS）导航堆栈的局部规划层级，实现实时、符合社会规范的轨迹生成。
• 在涉及多人、动态群体形态及环境约束（如活动区域与社交目标）的多样化、真实HRI场景中验证该方法。
• 为统一社会意识导航（USAN）系统奠定基础，使其能泛化于各类交互类型，同时保持社会可接受性与安全性。

提出的方法

• 作者采用帕累托凹性消除变换（PaCcET）将非凸的帕累托前沿转换为凸的，从而高效求解局部机器人规划中的非线性多目标优化问题。
• 该方法将PaCcET集成至ROS导航堆栈的局部规划器中，使机器人能够同时优化性能目标（如距离、时间）与社会目标（如个人空间、群体接近度、社交目标遵循）。
• 关键目标包括最小化至目标点的距离、最大化与人类的距离（以尊重个人空间），以及在群体互动中保持适当的人际距离。
• 该方法在实时轨迹规划中考虑了人类位置的动态变化、群体形态（如O形队列）以及环境背景（如走廊墙壁、活动区域）的影响。
• 系统在Stage 2D仿真器中的模拟PR2机器人以及真实环境中的Pioneer P3DX移动机器人上实现并进行了测试。
• 通过舒适度、社交性、自然性、可预测性与可读性等社会指标，评估了机器人行为的社会影响。

实验结果

研究问题

• RQ1 像PaCcET这样的非线性多目标优化框架是否能有效处理机器人导航中的多重社会与性能目标？
• RQ2 PaCcET驱动的规划器在多样化HRI场景（包括单人互动、队列、群体互动及画廊等复杂环境）中的泛化能力如何？
• RQ3 将PaCcET集成至ROS导航堆栈在全向与非全向机器人上是否能实现社会合规导航？
• RQ4 人类位置、群体形态及环境约束的变化在多大程度上影响规划器维持社会规范的能力？
• RQ5 该方法是否可扩展以支持利用知识图谱进行高层决策，实现自主场景理解？

主要发现

• 基于PaCcET的社会意识导航（SAN）规划器在所有测试场景中成功生成了尊重个人空间与社会规范的轨迹，包括走廊、画廊、队列及群体互动场景。
• 系统对动态变化表现出鲁棒性，如人类位置的移动与群体形态的改变（如O形队列），全程保持社会合规行为。
• 该方法在Stage仿真器中的模拟PR2机器人与真实Pioneer P3DX机器人上均得到验证，证实其在真实部署中的可行性。
• 与传统ROS局部规划器相比，该方法表现更优，后者将人类与障碍物同等对待，导致与人员的不安全接近。
• 该方法在子场景（如静止人类、经过、群体避让）中表现出一致的社会行为，表明其具备强大的泛化能力。
• 本研究为构建能够处理多样化、复杂HRI情境且具备高度社会可接受性的统一社会意识导航（USAN）系统铺平了道路。