Autonoma robotar med socialt medveten navigering med minnesstödd djup förstärkningsinlärning

Robotar som kan röra sig artigt genom folkmassor

Föreställ dig leveransrobotar som glider genom en livlig galleria eller en sjukhuskorridor utan att stöta till någon, bromsa upp folk eller uppträda konstigt. Denna artikel presenterar ett nytt sätt för robotar att ta sig genom folkmassor som inte bara undviker kollisioner utan också beter sig på ett sätt som upplevs naturligt och bekvämt för människorna runt omkring.

Varför det är så svårt att röra sig bland människor

För en robot är det mycket svårare att ta sig genom en folkmassa än att följa en målad linje på golvet. Människor ändrar plötsligt hastighet, går i grupper eller stannar för att kolla sina telefoner. Traditionella navigeringsmetoder behandlar ofta människor som enkla rörliga hinder och reagerar endast på vad roboten ser i ett givet ögonblick. Det kan göra roboten överdrivet försiktig, så att den stannar när scenen blir för komplex, eller för djärv och skär igenom grupper på sätt som känns osäkra eller oartiga. Författarna hävdar att en framgångsrik servicetrobot måste kombinera omgivningsmedvetenhet, känslighet för människors personliga rum och snabb, intelligent beslutsfattning.

En robot som minns vad människor just gjorde

Forskargruppen introducerar ARSA, ett nytt navigeringssätt som låter en robot använda korta "minnen" av hur närliggande människor har rört sig. Istället för att enbart titta på människors aktuella positioner tar ARSA hänsyn till en kort historik över var de varit och hur de rört sig. Denna historik bearbetas av en särskild typ av neuralt nätverk som är skickligt på att hantera sekvenser, vilket låter roboten skapa en intern bild av folkrörelser över tid. I enklare termer lär sig roboten att upptäcka mönster, som någon som börjar svänga åt vänster eller en grupp som börjar klumpa ihop sig, och justerar sin bana innan problem uppstår.

Ge människor utrymme med rörliga säkerhetsbubblor

För att hålla människor bekväma omger ARSA varje person med en "varningszon"—en rörlig säkerhetsbubbla som ändrar storlek beroende på hur snabbt de går och deras kroppsstorlek. När roboten kommer för nära en av dessa zoner får den en mild bestraffning i sin inlärningsprocess, vilket lär den att gå runt människor istället för att skära igenom trånga utrymmen. Systemet använder också en uppmärksamhetsmekanism, som fungerar som en strålkastare, för att fokusera robotens beslutsfattande på de få personer som är viktigast i varje ögonblick—till exempel personen direkt i dess väg snarare än någon långt bort. Tillsammans hjälper dessa idéer roboten att välja mjukare, mer människovänliga banor.

Att testa den nya metoden

Författarna utsatte ARSA för tusentals simulerade folksituationer, med upp till tjugo rörliga personer och ytterligare hinder. De jämförde den med flera ledande navigeringsmetoder som också använder moderna inlärningstekniker. ARSA nådde sina mål oftare, kolliderade mer sällan och slutförde sina rutter snabbare, särskilt i trånga och hektiska scener där andra metoder tvekade eller frös. Teamet genomförde sedan tester i verkliga miljöer med en mobil robot utrustad med en laserskanner inomhus med flera personer och till och med en annan robot. Utan omträning guidade ARSA roboten säkert genom oregelbundna mänskliga rörelser och tillfälliga avsiktliga blockeringar, och klarade alla körningar utan en enda kollision.

Vad detta betyder för vardagsrobotar

För en lekman är huvudbudskapet att detta arbete för oss närmare robotar som kan dela våra gångvägar utan att vara i vägen. Genom att minnas hur människor har rört sig, förutsäga deras nästa steg och respektera flexibla personliga zoner hjälper ARSA robotar att röra sig mer som hänsynsfulla fotgängare än stelbenta maskiner. Medan författarna noterar att framtida arbete måste hantera begränsade sensorer och mer komplexa byggnader bättre, tyder deras resultat på att minnes- och uppmärksamhetsbaserad navigering kan bli en kärningrediens i säkra, tillförlitliga servicetrobotar i köpcentrum, sjukhus, campus och längre fram.

Citering: 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

Nyckelord: social robotnavigering, folktäthet-medvetna robotar, djup förstärkningsinlärning, människa–robot-interaktion, autonoma mobila robotar