龔澤穎 投稿量子位 | 公眾號 QbitAI
機器人落地複雜場景，社交導航能力一定是避不開的關鍵一點。
先簡單介紹下，社交導航(SocialNav，Social navigation) 是指在人機共存的環境中，機器人在遵循社會規範的前提下執行導航任務。
就拿下圖來說，機器人需導航至目標點，而目標恰好位於兩名行人未來軌跡的交匯區域。
它不僅要靈活避免潛在的碰撞風險，還需與行人保持合適的社交距離。
總而言之，社交導航該任務對視覺導航領域提出了獨特挑戰：
預建地圖的方法難以適應人群密集的動態環境，而現有RL方法存在短視決策和依賴全域性資訊的問題。
近期，香港科技大學（廣州）和香港科技大學聯合提出了一種新演算法，Falcon。
它透過將軌跡預測演算法融入社交導航任務中，實現長期動態避障並提升導航效能。
社交導航的另一個重要挑戰則是現有基準的真實性不足。
如下所示，現有基準通常存在以下幾方面的侷限性：
-
場景複雜性不足：僅關注機器人與人類的互動，而忽略場景本身複雜性。
-
人類行為不自然：行人動作僵硬、運動模式失真，難以反映實際場景互動。
針對上述侷限性，研究團隊構建了兩個新資料集——Social-HM3D 和 Social-MP3D，作為社交導航任務的新基準。
該專案論文已被ICRA 2025接收，同時已經掛上arXiv。
程式碼和模型權重可到GitHub尋找。
Falcon：整合軌跡預測輔助任務的強化學習框架
Falcon演算法框架由2個模組組成：
-
主策略網路 (MPN，Main Policy Network)
-
時空預知模組(SPM，Spatial-temporal Precognition Module)
主策略網路：讓機器人學會“遵守規則”
模組一，主策略網路，這是Falcon的“大腦”，負責指導機器人如何行動。
其核心是社會認知懲罰（SCP，Social Cognition Penalty）機制，透過設計專門的懲罰函式，避免機器人干擾人類未來軌跡，從而引導智慧體規避碰撞風險並保持社交距離。
具體而言，Falcon引入三個關鍵懲罰項：
-
障礙物碰撞懲罰 ：嚴厲懲罰機器人撞到靜態障礙物或行人。
-
人類接近懲罰：當機器人靠近行人時，隨距離減小增加懲罰。
-
軌跡阻礙懲罰：如果機器人干擾行人未來路徑，則提前施加懲罰。
時空預知模組：讓機器人學會“提前規劃”
模組二，時空預知模組（SPM），結合軌跡預測與多種社交感知輔助任務，顯著增強了機器人對未來環境動態變化的預測能力。
其主要功能包括：
-
人類數量估計：預測場景中有多少人，幫助評估環境複雜程度。
-
當前位置跟蹤：即時跟蹤行人位置，快速響應變化。
-
未來軌跡預測：預測未來幾秒行人路徑，提前規劃避障。
關鍵在於，輔助任務僅在訓練階段使用。
在推理階段，機器人僅依賴主策略網路進行決策。
這種設計簡化了推理過程，確保模型在實際應用中的高效性。
特意構建兩個新的資料集
現有社交導航基準存在諸多不足，如場景過於簡化、人類行為不自然等。
以下表格為現有的社交導航模擬器與資料集統計特性對比：
為彌補這些缺陷，研究人員構建了兩個新資料集——Social-HM3D和Social-MP3D，具備以下優勢：
-
真實場景重建：基於高精度3D掃描，涵蓋公寓、辦公樓、商場等多種室內場景。
-
自然人類行為：採用多目標導向的軌跡生成演算法和ORCA動態避障模型，模擬人類行走、休息等自然行為。
-
合理人群密度：根據場景面積動態調整人類數量，確保互動密度適中。
研究團隊表示，這兩個基準既平衡了人機互動的社交密度，同時也避免了過度擁擠。
這一基準為社交導航研究提供了更貼近真實場景的評估環境，並且支援推廣到有人環境下的物體導航、影像導航等下游任務。
實驗部分
在定量分析方面，實驗表明，Falcon在目標達成和社會合規方面表現出色：
其一是目標達成。
在Social-HM3D中達到55.15%的成功率和成功路徑效率（SPL，Success weighted by Path Length）。
即使在未訓練過的Social-MP3D資料集上，也能取得55.05%的成功率。
其二是社會合規。
在保持社交距離和避免碰撞方面表現良好，達到接近90%的個人空間合規性（Personal Space Compliance, PSC）和接近42%的人機碰撞率。
定量結果表明，Falcon不僅在已知環境中表現出色，還能有效適應未見過的複雜動態環境。
在定性分析方面，下圖的定性結果展示了Falcon在不同典型場景中的優越性——
第一個是人員跟隨情境。
Falcon透過預測行人未來軌跡，主動調整速度和路徑，保持安全距離。
第二個是複雜交叉路口。
面對行人和靜態障礙物同時存在的場景，Falcon提前預測並規劃出安全高效的路徑。
第三個是正面接近情境。
傳統的RL演算法Proximity-Aware試圖直接從行人面前穿過導致碰撞，Falcon透過預測行人未來軌跡，提前調整路徑並安全避開。
3個關鍵發現
各項實驗後，團隊有了三個關鍵發現：
發現1，未來感知演算法優於以往即時感知演算法。
靜態路徑規劃演算法（如A*）無法適應動態環境，而即時感知方法（如ORCA和Proximity-Aware）雖能被動避障，但仍存在延遲反應問題。
相比之下，Falcon能夠主動預測行人軌跡並提前調整路徑，顯著提升了安全性和效率。
發現2，輔助任務有助於提高效能，其中軌跡預測最重要。
下表展示了不同輔助任務對導航效能的影響。
其中軌跡預測（SPM.Traj）效果最為顯著，成功率從40.94%提升至54.00%。
發現3，SCP和SPM相輔相成，改善效能並加快訓練收斂。
下圖圖中為消融研究中的訓練曲線。
可以觀察到，具有SPM和SCP的完整Falcon模型收斂更快，效能更好。
SCP在提升模型效能方面發揮關鍵作用，尤其是與SPM整合後，整體效能進一步提升（從53.63%提高至55.15%），並加快訓練收斂速度。
專案主頁：https://zeying-gong.github.io/projects/falcon/論文連結：https://arxiv.org/abs/2409.13244程式碼連結：https://github.com/Zeying-Gong/Falcon
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法！
— 完 —
學術投稿請於工作日發郵件到：
標題註明【投稿】，告訴我們：
你是誰，從哪來，投稿內容
附上論文/專案主頁連結，以及聯絡方式哦
我們會（儘量）及時回覆你
🌟 點亮星標 🌟