Dieser Artikel präsentiert ein umfassendes End-to-End-Framework, das darauf abzielt, eine vertrauensvolle bidirektionale Mensch-Roboter-Interaktion in kollaborativen Umgebungen für die soziale Navigation mobiler Roboter zu fördern.
Das Framework ermöglicht es einem mobilen Roboter, die Trajektorie von Menschen vorherzusagen und seinen Weg in einer sozial bewussten Art und Weise anzupassen. Im Falle eines Konflikts zwischen menschlichen und robotischen Entscheidungen, der durch visuelle Prüfung erkannt wird, wird die Route dynamisch basierend auf der menschlichen Präferenz modifiziert, während die verbale Kommunikation aufrechterhalten wird.
Das Kernstück des Frameworks ist ein Graph-Aufmerksamkeits-Neuronalnetz (GAT), das die sozialen Dynamiken extrahiert und den globalen Kontext der Umgebung verfolgt, um genaue Trajektorienvorhersagen zu ermöglichen. Die Route wird sowohl auf der Grundlage der prognostizierten Trajektorien als auch des visuellen Feedbacks von nahegelegenen Menschen konditioniert, wobei das vertrauenswürdige KI-Modul die Entscheidung explizit mit diesen Bedingungen korreliert.
Das Framework umfasst auch eine bidirektionale audio-visuelle Mensch-Roboter-Interaktion, bei der der Roboter seine Entscheidungsfindung mit den umstehenden Menschen teilt und seine Aktionen basierend auf der Rückmeldung der Menschen anpasst. Der Roboter erklärt die zusätzlichen Einschränkungen beider Bedingungen verbal, um das Vertrauen zwischen Mensch und Roboter auf Dauer zu stärken.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문