研究人员开发了一种新颖的方法，以提高在拥挤环境中运行的机器人系统的人类跟随能力。该方法将复杂任务分解为主要奖励信号和单独的成本约束，从而可以明确控制目标接近度和整体安全性之间的平衡。通过量化人类运动的预测不确定性，该系统在不可预测的情况下提高了安全性，并在模拟和现实世界场景中都表现出有效的性能。 AI
影响 增强了机器人系统在复杂、动态环境中的导航能力，有可能提高个人助理或人群管理等应用的安全性和效率。
排序理由 详细介绍机器人新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Navigating the Proximity-Safety Balance: Constraint Decomposition for Human Following in Pedestrian Crowds
- reinforcement learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
