Proxemic behavior in navigation tasks using reinforcement learning

doi:10.1007/s00521-022-07628-0

Proxemic behavior in navigation tasks using reinforcement learning

2022-08-16

0

OA

AI

DOI：10.1007/s00521-022-07628-0

原文链接

原文求助

摘要

En 中文

摘要人类互动始于一个人接近另一个人，并尊重其个人空间以避免不适感。空间行为，即近体学（proxemics），允许定义一个可接受的距离，从而使互动过程得以适当地开始。在近几十年中，人-代理体互动（human-agent interaction）一直是研究人员的兴趣领域，该领域提出人工代理体应自然地与人互动。因此，需要新的方法来促进最优沟通，避免人类感到不适。多项研究考虑了认知代理体的近体学行为，其中实现了人-机器人互动技术和机器学习。然而，这些研究假设个人空间是固定且预先已知的，并且仅期望代理体制定一条最优轨迹接近人类。在本工作中，我们专注于研究强化学习代理体在基于近体学的环境中的行为。实验通过实现网格世界（grid-world）问题和连续模拟的机器人接近环境来完成。这些环境假设存在一个发布者代理体（issuer agent），其提供不合规性（non-conformity）信息。我们的结果表明，代理体能够识别发布者感到不适的区域，并找到接近发布者的最佳路径。获得的结果强调了强化学习在识别近体学区域方面的实用性。

Proxemic behavior in navigation tasks using reinforcement learning

摘要

期刊

机构

引用论文