王倩

四川大学 电子信息学院 四川 成都 610065

引言

随着人工智能技术的迅速发展，机器人从孤立的环境扩展到与人类共享的社会空间。传统的机器人导航方法通常将移动代理视为静态障碍物或通过一步一步前瞻[1]对其做出反应，从而导致短视、不安全和不自然的行为。

避障问题实际上可理解为一个决策问题--根据机器人的输入信息，确定下一时刻应该执行何种动作。而强化学习则是根据奖励函数来进行工作，即根据机器人输入动作得到反馈从而决定下一时刻应该采取何种动作，是一种状态信息到生成动作的一种映射的算法，因此在避障问题中自然引入了强化学习。先前的研究人员提出了许多解决避障导航问题的方法。在2011年提出ORCA算法[2]，该算法考虑了一种受加速度约束的避撞方法，首先讨论了单个智能体在移动障碍物之间的避障导航情况，接着讨论了多个移动机器人在同一个空间内导航时互相避撞的情况。

移动机器人导航在拥挤的行人环境中有许多重要的应用。在这些人群密集的场景中，安全高效地引导机器人是一个至关重要但仍然具有挑战性的问题。早期的工作将预测和规划分为两步，试图在预测其他人的未来轨迹后确定一条安全的路径。

因此，本文在强化学习框架中用一种自我注意力机制来聚集机器人和人的交互特征，这种自我注意力机制可以推断机器人的邻近人类相对于其未来运动的相对重要性。……