从互联网视频中的策略状态空间学习社会导航

arXiv:2609.37476v2 公告类型：替换交叉版本 摘要：训练鲁棒的社会导航策略需要具备多样场景布局、地形和人类运动的模拟器，但构建这类环境并规定行人行为的成本很高。我们提出了一种高效流程，可将普通的单目行走视频直接转换为策略状态空间中的闭环社会导航训练环境。我们的关键观察是，局部社会导航主要依赖两类信息：机器人可以在哪里通行，以及附近行人如何移动。因此，我们将静态场景表示为度量可通行性地图，该地图可在反事实机器人运动下进行刚体变换；与此同时，直接随时间重放从视频中恢复的行人轨迹。这种抽象使我们能够直接在策略状态空间中定义前向动力学，并高效模拟反事实机器人状态，而无需重建或渲染照片级真实感的观测结果。最终得到的策略在独立的 Arena 基准测试中取得了 81.2% 的成功率，相比之下，最强基线为 75.0%；在无需进行策略微调的情况下，该策略在 20 次真实机器人试验中成功完成了 19 次。项目页面：https://jiaming.im/VideoSocNav