Socially aware navigation for mobile robots: a survey on deep reinforcement learning approaches
Created by
Haebom
Category
Empty
저자
Ibrahim Khalil Kabir, Muhammad Faizan Mysorewala
개요
본 논문은 딥 강화 학습(DRL) 기반의 사회적 인식 내비게이션에 대한 포괄적인 개요를 제공한다. 프록세믹스, 인간의 편안함, 자연스러움, 궤적 및 의도 예측과 같은 주요 측면을 강조하며, 가치 기반, 정책 기반, 액터-크리틱 강화 학습 알고리즘과 피드포워드, 순환, 컨볼루션, 그래프, 트랜스포머 네트워크와 같은 신경망 아키텍처의 통합을 분석한다. 또한, 평가 메커니즘, 벤치마크 데이터 세트, 시뮬레이션 환경 및 sim-to-real 전송의 지속적인 과제를 검토한다.
시사점, 한계점
•
DRL은 기존 접근 방식보다 안전성과 인간의 수용성을 크게 향상시켰다.
•
비표준화된 사회적 지표 부재, 균일하지 않은 평가 메커니즘으로 인한 어려움이 존재한다.
•
계산 부담으로 인한 확장성 제한이 있다.
•
시뮬레이션 결과를 실제 로봇 하드웨어에 적용하는 데 어려움이 있다.
•
향후 발전을 위해 여러 접근 방식의 강점을 활용하는 하이브리드 접근 방식과 기술적 효율성과 인간 중심 평가의 균형을 맞춘 벤치마크 개발이 필요하다.
