Hydrodynamics Regularization in Reinforcement Learning for Navigating Crowded Scenarios

Abstract

，在密集人群中导航任务是关键 现实场景中的研究问题。这需要一个代理人 以避免动态环境中的碰撞并达到 代理人的目的地，确保高准确性和高效性 它的决策。现有方法通常将行人视为 刚体，检测物体边界框，并使用刚性 身体动力学指导代理行为。然而，在密集中 在拥挤场景中，这种方法可能导致路径不优 规划解决方案，从而施加更严格的约束 在代理的行动空间上。在某些现实世界的导航中 在某些情况下，行人可以通过轻微姿势避免碰撞 调整时无需改变方向。在这方面 我们提出流体动力学正则化来解决 密集人群中行人建模带来的挑战 环境。这种方法将行人视&#