МОДЕЛЬ СОЦІАЛЬНО-АДАПТИВНОЇ НАВІГАЦІЇ МОБІЛЬНОГО РОБОТА З ВИКОРИСТАННЯМ МЕТОДІВ НАВЧАННЯ З ПІДКРІПЛЕННЯМ

Анотація

Класичні алгоритми планування траєкторії, незважаючи на свою ефективність у статичних середовищах, демонструють суттєві обмеження при інтеграції в динамічне соціальне середовище. Основний недолік полягає у нездатності в режимі реального часу інтерпретувати рух людини, що призводить до непередбачуваних і потенційно небезпечних маневрів. У відповідь на ці обмеження, набули значної популярності методи навчання з підкріпленням (Reinforcement Learning, RL). Методи RL дозволяють автономному мобільному роботу самостійно формувати оптимальну стратегію поведінки шляхом безпосередньої взаємодії з оточенням та отримання зворотного зв’язку у вигляді винагород чи штрафів. Дане дослідження фокусується на методах навчання з підкріпленням та соціальних моделей поведінки з метою розробки безпечної, ефективної та соціально-адаптивної навігації для автономного мобільного робота. В цій роботі представлено модель, ключовою особливістю якої є комплексний підхід до формування поведінки агента. Запропонована модель враховує не лише базові завдання, досягнення цілі та уникнення фізичних перешкод, але й важливі аспекти соціальної взаємодії. Наукова новизна роботи полягає у розробці багатокомпонентної функції винагороди, яка інтегрує винагороди за досягнення цільової точки, уникнення зіткнень з динамічними й статичними об’єктами, а також цілеспрямовано заохочує агента дотримуватись соціально прийнятних норм. Таким чином, робот навчається не лише уникати людей, а й робити це у спосіб, який є інтуїтивно зрозумілим та комфортним для них. Кінцевою метою дослідження є створення навігаційного агента, який є не лише безпечним, але й соціально інтелектуальним. Це є кроком на шляху до повноцінної інтеграції автономних роботизованих систем у повсякденне людське середовище, оскільки успішне співіснування вимагає не лише фізичної безпеки, але й психологічного комфорту та інтуїтивної зрозумілості поведінки робота.