Socially Aware Robot Navigation through Scoring Using Vision-Language Models

我们提出了一种新颖的基于视觉语言模型（VLM）的导航方法VLM-Social-Nav，用于计算机器人在以人为中心的环境中的轨迹。我们的目标是实时决策机器人行为，使其符合人类期望。我们利用感知模型来检测重要的社交实体，并提示VLM生成符合社交规范的机器人行为指导。VLM-Social-Nav使用基于VLM的评分模块来计算成本项，以确保底层规划器生成的机器人行为是符合社交规范和有效的。我们的整体方法减少了对大型数据集（用于训练）的依赖，并增强了决策的适应性。在实践中，它导致了在人类共享环境中改善了符合社交规范的导航。我们使用Turtlebot机器人在四个不同的真实社交导航场景中展示和评估了我们的系统。我们观察到在四个社交导航场景中，平均成功率至少提高了36.37％，平均碰撞率提高了20.00％。用户研究得分表明，VLM-Social-Nav生成了最符合社交规范的导航行为。

VLM-Social-Nav旨在解决在人类共享环境中，机器人行为不符合社交规范的问题。

通过使用视觉语言模型（VLM）和成本函数，VLM-Social-Nav可以在实时决策中生成符合社交规范的机器人行为。

VLM-Social-Nav使用VLM评分模块计算成本项，以确保机器人行为符合社交规范和有效性。在四个真实社交导航场景中，VLM-Social-Nav实现了平均成功率至少提高36.37％和平均碰撞率提高20.00％。

该领域的其他研究包括：Socially Aware Motion Planning（SAMP），Socially Compliant Navigation（SCN）和Socially Intelligent Navigation（SIN）等。