Learning to Navigate Socially Through Proactive Risk Perception
Created by
Haebom
Category
Empty
저자
Erjia Xiao, Lingfeng Zhang, Yingbo Tang, Hao Cheng, Renjing Xu, Wenbo Ding, Lei Zhou, Long Chen, Hangjun Ye, Xiaoshuai Hao
IROS 2025 RoboSense Challenge Social Navigation Track 제출에 대한 기술 보고서
개요
본 보고서는 IROS 2025 RoboSense Challenge Social Navigation Track에 대한 제출 내용의 기술적 세부 사항을 설명합니다. 이 트랙은 동적 인구 밀집 실내 환경에서 자율 에이전트가 안전하고 효율적이며 사회적으로 규범을 준수하며 탐색할 수 있도록 하는 RGBD 기반 인식 및 탐색 시스템 개발에 중점을 둡니다. 본 과제는 에이전트가 RGB-D 관찰 및 오도메트리와 같은 온보드 센서만 사용하여 자기 중심적 관점에서 작동하도록 요구하며, 전역 지도나 특권 정보에 접근할 수 없습니다. 또한 안전 거리 유지 및 충돌 회피와 같은 사회적 규범을 준수해야 합니다. Falcon 모델을 기반으로, 우리는 사회적 탐색 성능을 향상시키기 위해 Proactive Risk Perception Module을 도입했습니다. 우리의 접근 방식은 Falcon에 충돌 위험 이해를 추가하여 주변 사람들에 대한 거리 기반 충돌 위험 점수를 예측하도록 학습하여 에이전트가 보다 강력한 공간 인식을 개발하고 선제적인 충돌 회피 행동을 가능하게 합니다. Social-HM3D 벤치마크에 대한 평가는 우리의 방법이 역동적인 인간 에이전트가 있는 혼잡한 실내 장면에서 목표를 향해 탐색하면서 개인 공간 준수 능력을 향상시키는 것을 보여주었으며, 16개 참가 팀 중 2위를 달성했습니다.
시사점, 한계점
•
Falcon 모델을 기반으로 Proactive Risk Perception Module을 도입하여 사회적 탐색 성능을 향상시킴