Social Navigation进阶
重新思考社交机器人走廊导航中的可读性:意图表征与行人分心的影响
这篇arXiv预印本通过两项各45人的真机走廊实验,比较了机器人可读性运动的不同意图表征。结果显示,动态自适应的通行侧可读性(DPL和SM)比目标可读性(GL)和非可读性基线(NL)带来更平滑的人类运动和更高的能力评分;在行人分心时,可读性运动仍能降低人类平均加速度,但主观评分无显著差异。这表明面向交互的意图表征和自适应机制对受限空间协调很重要。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
这篇arXiv预印本通过两项各45人的真机走廊实验,比较了机器人可读性运动的不同意图表征。结果显示,动态自适应的通行侧可读性(DPL和SM)比目标可读性(GL)和非可读性基线(NL)带来更平滑的人类运动和更高的能力评分;在行人分心时,可读性运动仍能降低人类平均加速度,但主观评分无显著差异。这表明面向交互的意图表征和自适应机制对受限空间协调很重要。
Social-WM 是一个使用 RGB 视频离线训练的隐世界模型规划框架,区分名义动作与实际可执行动作。在 Social-HM3D 上,它取得 63.77% 成功率,行人碰撞率降至 21.67%,比 NavThinker 相对降低 44.6%;零样本迁移到 Social-MP3D 仍保持 54.15% 成功率和 23.34% 碰撞率。该工作为未同行评审的预印本。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。