让机器人在人群中穿梭自如，港科广&港科大突破社交导航盲区

机器人落地复杂场景，社交导航能力一定是避不开的关键一点。

先简单介绍下，社交导航(SocialNav，Social navigation) 是指在人机共存的环境中，机器人在遵循社会规范的前提下执行导航任务。

就拿下图来说，机器人需导航至目标点，而目标恰好位于两名行人未来轨迹的交汇区域。

它不仅要灵活避免潜在的碰撞风险，还需与行人保持合适的社交距离。

总而言之，社交导航该任务对视觉导航领域提出了独特挑战：

预建地图的方法难以适应人群密集的动态环境，而现有RL方法存在短视决策和依赖全局信息的问题。

近期，香港科技大学（广州）和香港科技大学联合提出了一种新算法，Falcon。

它通过将轨迹预测算法融入社交导航任务中，实现长期动态避障并提升导航性能。

社交导航的另一个重要挑战则是现有基准的真实性不足。

如下所示，现有基准通常存在以下几方面的局限性：

• 场景复杂性不足：仅关注机器人与人类的交互，而忽略场景本身复杂性。
• 人类行为不自然：行人动作僵硬、运动模式失真，难以反映实际场景交互。

针对上述局限性，研究团队构建了两个新数据集——Social-HM3D 和 Social-MP3D，作为社交导航任务的新基准。

该项目论文已被ICRA 2025接收，同时已经挂上arXiv。

代码和模型权重可到GitHub寻找。

Falcon：集成轨迹预测辅助任务的强化学习框架

Falcon算法框架由2个模块组成：

1. 主策略网络(MPN，Main Policy Network)
2. 时空预知模块(SPM，Spatial-temporal Precognition Module)

主策略网络：让机器人学会“遵守规则”

模块一，主策略网络，这是Falcon的“大脑”，负责指导机器人如何行动。

其核心是社会认知惩罚（SCP，Social Cognition Penalty）机制，通过设计专门的惩罚函数，避免机器人干扰人类未来轨迹，从而引导智能体规避碰撞风险并保持社交距离。

具体而言，Falcon引入三个关键惩罚项：

• 障碍物碰撞惩罚：严厉惩罚机器人撞到静态障碍物或行人。
• 人类接近惩罚：当机器人靠近行人时，随距离减小增加惩罚。
• 轨迹阻碍惩罚：如果机器人干扰行人未来路径，则提前施加惩罚。

时空预知模块：让机器人学会“提前规划”

模块二，时空预知模块（SPM），结合轨迹预测与多种社交感知辅助任务，显著增强了机器人对未来环境动态变化的预测能力。

其主要功能包括：

• 人类数量估计：预测场景中有多少人，帮助评估环境复杂程度。
• 当前位置跟踪：实时跟踪行人位置，快速响应变化。
• 未来轨迹预测：预测未来几秒行人路径，提前规划避障。

关键在于，辅助任务仅在训练阶段使用。

在推理阶段，机器人仅依赖主策略网络进行决策。

这种设计简化了推理过程，确保模型在实际应用中的高效性。

特意构建两个新的数据集

现有社交导航基准存在诸多不足，如场景过于简化、人类行为不自然等。

以下表格为现有的社交导航模拟器与数据集统计特性对比：

为弥补这些缺陷，研究人员构建了两个新数据集——Social-HM3D和Social-MP3D，具备以下优势：

• 真实场景重建：基于高精度3D扫描，涵盖公寓、办公楼、商场等多种室内场景。
• 自然人类行为：采用多目标导向的轨迹生成算法和ORCA动态避障模型，模拟人类行走、休息等自然行为。
• 合理人群密度：根据场景面积动态调整人类数量，确保交互密度适中。

研究团队表示，这两个基准既平衡了人机交互的社交密度，同时也避免了过度拥挤。

这一基准为社交导航研究提供了更贴近真实场景的评估环境，并且支持推广到有人环境下的物体导航、图像导航等下游任务。

实验部分

在定量分析方面，实验表明，Falcon在目标达成和社会合规方面表现出色：

其一是目标达成。

在Social-HM3D中达到55.15%的成功率和成功路径效率（SPL，Success weighted by Path Length）。

即使在未训练过的Social-MP3D数据集上，也能取得55.05%的成功率。

其二是社会合规。

在保持社交距离和避免碰撞方面表现良好，达到接近90%的个人空间合规性（Personal Space Compliance, PSC）和接近42%的人机碰撞率。

定量结果表明，Falcon不仅在已知环境中表现出色，还能有效适应未见过的复杂动态环境。

在定性分析方面，下图的定性结果展示了Falcon在不同典型场景中的优越性——

第一个是人员跟随情境。

Falcon通过预测行人未来轨迹，主动调整速度和路径，保持安全距离。

第二个是复杂交叉路口。

面对行人和静态障碍物同时存在的场景，Falcon提前预测并规划出安全高效的路径。

第三个是正面接近情境。

传统的RL算法Proximity-Aware试图直接从行人面前穿过导致碰撞，Falcon通过预测行人未来轨迹，提前调整路径并安全避开。

3个关键发现

各项实验后，团队有了三个关键发现：

发现1，未来感知算法优于以往实时感知算法。

静态路径规划算法（如A*）无法适应动态环境，而实时感知方法（如ORCA和Proximity-Aware）虽能被动避障，但仍存在延迟反应问题。

相比之下，Falcon能够主动预测行人轨迹并提前调整路径，显著提升了安全性和效率。

发现2，辅助任务有助于提高性能，其中轨迹预测最重要。

下表展示了不同辅助任务对导航性能的影响。

其中轨迹预测（SPM.Traj）效果最为显著，成功率从40.94%提升至54.00%。

发现3，SCP和SPM相辅相成，改善性能并加快训练收敛。

下图图中为消融研究中的训练曲线。

可以观察到，具有SPM和SCP的完整Falcon模型收敛更快，性能更好。

SCP在提升模型性能方面发挥关键作用，尤其是与SPM集成后，整体性能进一步提升（从53.63%提高至55.15%），并加快训练收敛速度。

项目主页：

https://zeying-gong.github.io/projects/falcon/

论文链接：

https://arxiv.org/abs/2409.13244

代码链接：

https://github.com/Zeying-Gong/Falcon

本文来自微信公众号“量子位”，作者：龚泽颖，36氪经授权发布。