面向辅助机器人避障的LLM导航可解释性
研究提出Context-Aware Navigation Explanation框架，用大语言模型将感知上下文与规划的未来轨迹结合，生成导盲犬避障与导航动作的自然语言解释，并在Unitree Go2平台上于室内导航场景部署。实验评估不同解释上下文配置对用户信任与解释满意度的影响，结果显示二者呈强正相关，且将障碍物信息与未来轨迹结合的解释效果最佳。
发布于 10-22 12:59来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Navigation Explainability for Object Avoidance with LLMs for Assistive Robots》查看原链
盲人和视障人士在陌生区域导航时面临不确定性。 无论是使用手杖还是导盲犬导航，都可能颇具挑战。 为缓解这一难题，我们提出了上下文感知导航解释框架，利用大语言模型解释导盲犬的避障与导航动作。 该系统将感知上下文与规划的未来轨迹相结合，生成机器人运动的自然语言解释。
我们在Unitree Go2平台上于室内导航场景中部署了该系统，并评估了不同的解释上下文配置如何影响用户信任与解释满意度。 结果显示，解释满意度与信任之间存在强正相关关系，并表明将障碍物信息与未来轨迹相结合能产生最有效的解释。 这些发现凸显了上下文感知语言解释在提升辅助机器人导航透明度与信任方面的潜力。