HumAIN: 인간 인지 능력을 갖춘 사회적 로봇의 암묵적인 내비게이션

HumAIN: Human-Aware Implicit Social Robot Navigation

효과적인 사회적 로봇 내비게이션은 인간 행동에 대한 민감성을 요구하며, 이는 보행 패턴이나 자세와 같은 미묘한 골격 신호로 나타나는 경우가 많습니다. 본 논문에서는 지식 증류를 통해 암묵적인 사회적 단서를 계획 과정에 직접 통합하는 새로운 프레임워크인 Human-Aware Implicit Social Robot Navigation (HumAIN)을 제시합니다. 먼저, 과거 이미지, 골격 키포인트, 로봇 상태 및 로봇의 목표와 같은 풍부한 다중 모달 데이터를 융합하여 로봇의 미래 경로 계획을 위한 강력하고 인간 인지 능력을 갖춘 표현을 학습하는 트랜스포머 기반의 교사 모델을 사용합니다. 실시간 배포를 위해, 이 지식을 경량화된 학생 모델로 증류합니다. 학생 모델은 경로 재구성 및 교사 모델과의 잠재적 특징 정렬을 최적화하여 최소한의 입력으로부터 복잡한 사회적 역학 관계를 추론하도록 학습됩니다. 효율적인 증류 아키텍처를 통해 예측과 계획 사이의 간극을 해소함으로써, 본 방법은 로봇이 적응적이고 견고하며 사회적으로 윤리적인 방식으로 인간 행동에 대해 추론할 수 있도록 합니다. 광범위한 실험을 통해 HumAIN의 성능을 검증한 결과, 모든 지표에서 최첨단 모델 대비 평균 29.8%의 경로 예측 정확도 향상을 보였습니다. 이러한 결과는 자원 제약 환경에서도 암묵적인 전신 신호를 활용하여 인간과 유사한 내비게이션 인지 능력을 달성하는 데 있어 그 이점을 강조합니다.

Effective social robot navigation requires sensitivity to human behavior, often revealed through subtle skeletal cues like gait and orientation. We present Human-Aware Implicit Social Robot Navigation (HumAIN), a novel framework that fuses implicit social cues directly into the planning loop via knowledge distillation. We first employ a transformer-based teacher model that fuses rich multi-modal inputs, including historic images, skeletal keypoints, robot state, and a robot's target goal, to learn robust, human-aware representations for the robot's future trajectory planning. To enable real-time deployment, we then distill this knowledge into a lightweight student model. By optimizing for both trajectory reconstruction and latent feature alignment with the teacher, the student learns to infer complex social dynamics from minimal inputs. Bridging the prediction-planning gap with an efficient distilled architecture, our method enables robots to reason about human behavior in a manner that is adaptive, robust, and socially compliant. We validate HumAIN through extensive experiments, where it improves trajectory prediction metrics by an average of 29.8% across all metrics compared to state-of-the-art baselines. These results highlight the benefit of using implicit, whole-body cues to achieve human-like navigation awareness on resource-constrained platforms.