Autonomiczne roboty z nawigacją świadomą społecznie wykorzystującą pamięciowo-wzmacniające uczenie głębokie

Roboty, które potrafią grzecznie poruszać się w tłumie

Wyobraź sobie roboty dostawcze przemierzające zatłoczone centrum handlowe lub korytarz szpitalny, nie potrącające nikogo, nie spowalniające ludzi ani nie zachowujące się dziwnie. Artykuł przedstawia nową metodę poruszania się robotów w tłumie, która nie tylko unika kolizji, ale także zachowuje się w sposób naturalny i komfortowy dla otaczających ludzi.

Dlaczego poruszanie się wśród ludzi jest takie trudne

Dla robota przejście przez tłum jest znacznie trudniejsze niż podążanie za namalowaną linią na podłodze. Ludzie nagle zmieniają tempo, chodzą w grupach lub zatrzymują się, by sprawdzić telefon. Tradycyjne metody nawigacji często traktują ludzi jako proste, ruchome przeszkody i reagują tylko na to, co robot widzi w danym momencie. Może to sprawiać, że robot będzie nadmiernie ostrożny i zatrzyma się, gdy scena stanie się zbyt złożona, albo zbyt śmiały, przecinając grupy w sposób odczuwalny jako niebezpieczny lub niegrzeczny. Autorzy argumentują, że skuteczny robot usługowy musi łączyć świadomość otoczenia, wrażliwość na przestrzeń osobistą ludzi oraz szybkie i inteligentne podejmowanie decyzji.

Robot, który pamięta, jak ludzie się poruszali

Zespół badawczy wprowadza ARSA, nową metodę nawigacji, która pozwala robotowi korzystać z krótkich „wspomnień” o tym, jak poruszali się pobliscy ludzie. Zamiast patrzeć wyłącznie na aktualne pozycje, ARSA uwzględnia krótką historię ich położeń i ruchów. Ta historia jest przetwarzana przez specjalny rodzaj sieci neuronowej doskonale radzącej sobie z sekwencjami, co pozwala robotowi zbudować wewnętrzny obraz ruchu tłumu w czasie. Mówiąc prościej, robot uczy się rozpoznawać wzorce, takie jak ktoś zaczynający skręcać w lewo czy grupa zaczynająca się gromadzić, i korygować swoją trasę, zanim pojawią się problemy.

Nadawanie ludziom przestrzeni za pomocą ruchomych stref bezpieczeństwa

Aby zapewnić komfort ludziom, ARSA otacza każdą osobę „strefą ostrzegawczą” — ruchomą bańką bezpieczeństwa, której rozmiar zmienia się w zależności od prędkości chodzenia i rozmiaru ciała. Gdy robot znajdzie się zbyt blisko takiej strefy, otrzymuje łagodne kary w procesie uczenia, co uczy go obchodzenia ludzi zamiast przecinania ciasnych przestrzeni. System korzysta także z mechanizmu uwagi, który działa jak reflektor, skupiając decyzje robota na kilku osobach najbardziej istotnych w danym momencie — na przykład na osobie bezpośrednio na jego drodze, a nie na kimś daleko. Wspólnie te pomysły pomagają robotowi wybierać płynniejsze, bardziej przyjazne dla ludzi ścieżki.

Testy nowej metody

Autorzy przetestowali ARSA w tysiącach symulowanych scenariuszy tłumu, z udziałem do dwudziestu poruszających się osób i dodatkowymi przeszkodami. Porównali ją z kilkoma wiodącymi metodami nawigacji wykorzystującymi również nowoczesne techniki uczenia. ARSA częściej osiągała cele, rzadziej powodowała kolizje i kończyła trasy szybciej, zwłaszcza w ciasnych i zatłoczonych scenach, gdzie inne metody wahały się lub zamarzały. Zespół przeprowadził także testy w rzeczywistym świecie, używając mobilnego robota wyposażonego w skaner laserowy w pomieszczeniach z kilkoma ludźmi, a nawet z innym robotem. Bez dodatkowego treningu ARSA bezpiecznie prowadziła robota przez nieregularne ruchy ludzi i okazjonalne celowe blokowanie, realizując wszystkie przebiegi bez ani jednej kolizji.

Co to oznacza dla codziennych robotów

Dla laika kluczowy przekaz jest taki, że ta praca przybliża nas do robotów, które mogą współdzielić nasze chodniki bez przeszkadzania. Dzięki pamiętaniu, jak ludzie się poruszali, przewidywaniu ich kolejnych kroków i respektowaniu elastycznych stref przestrzeni osobistej, ARSA pomaga robotom poruszać się bardziej jak uprzejmi piesi niż sztywne maszyny. Autorzy zastrzegają, że przyszłe prace muszą lepiej radzić sobie z ograniczonymi sensorami i bardziej skomplikowanymi budynkami, jednak ich wyniki sugerują, że nawigacja oparta na pamięci i uwadze może stać się kluczowym elementem bezpiecznych, wiarygodnych robotów usługowych w centrach handlowych, szpitalach, kampusach i poza nimi.

Cytowanie: Montero, E., Pico, N., Alvarez-Alvarado, M.S. et al. Autonomous robots with socially-aware navigation using memory-assisted deep reinforcement learning. Sci Rep 16, 13214 (2026). https://doi.org/10.1038/s41598-026-42026-9

Słowa kluczowe: nawigacja społeczna robotów, roboty uwzględniające tłum, głębokie uczenie ze wzmocnieniem, interakcja człowiek–robot, autonomiczne roboty mobilne