让机器人在人群中自由穿梭：港科广突破社交导航难题 | ICRA'25

机器人要在复杂场景中自如导航，社交导航能力至关重要。社交导航指机器人在遵循社会规范的同时完成导航任务。

传统方法难以应对动态环境，现有强化学习方法存在短视决策和依赖全局信息的问题。为此，香港科技大学（广州）与香港科技大学联合提出新算法Falcon。该算法通过整合轨迹预测，实现长期动态避障并提升性能。

社交导航面临另一挑战：现有基准缺乏真实性。为此，研究团队构建了Social-HM3D和Social-MP3D两个新数据集，提供更真实的场景和自然行为。

Falcon算法由主策略网络（MPN）和时空预知模块（SPM）组成。MPN通过社会认知惩罚机制指导机器人行动，避免碰撞并保持社交距离。SPM则结合轨迹预测与辅助任务，增强对未来环境变化的预测能力。

实验显示，Falcon在目标达成和社会合规方面表现出色，在多个数据集上均达到较高成功率，并能在未见过的复杂环境中有效适应。研究还发现，未来感知算法优于实时感知，轨迹预测对性能提升最关键，且SCP与SPM相辅相成，加速训练收敛。

项目主页：https://zeying-gong.github.io/projects/falcon/
论文链接：https://arxiv.org/abs/2409.13244
代码链接：https://github.com/Zeying-Gong/Falcon