摘要
本文提出 HumAIN 框架，通过知识蒸馏将隐式社会线索直接融入机器人规划循环。该方法首先利用基于 Transformer 的教师模型融合多模态输入（历史图像、骨骼关键点等）学习人类感知表示，随后将其蒸馏至轻量级学生模型以实现实时部署。实验表明，该方法在轨迹预测指标上平均提升 29.8%，使资源受限平台上的机器人能够以自适应且符合社会规范的方式进行导航规划。
AI 推荐理由
论文核心是将社会线索融入规划循环，实现自适应、符合社会规范的路径规划。
研究机构
George Mason University, USA
University of Virginia, USA
Hokkaido University, Japan
Sennio, USA
论文信息