具身智能
面向辅助机器人的导航可解释性：用大语言模型实现避障解释
原标题: 面向辅助机器人的导航可解释性：用大语言模型实现避障解释
📋总体概括
研究者提出Context-Aware Navigation Explanation框架，用大语言模型为辅助机器人（导盲场景）的避障与导航行为生成自然语言解释，将感知上下文与规划的未来轨迹结合。系统部署于Unitree Go2四足机器人进行室内导航实验，评估不同解释上下文配置对用户信任度与解释满意度的影响，结果显示解释满意度与用户信任之间存在强正相关，且障碍物信息与未来轨迹结合的解释效果最佳。
⚡关键信息
- ▸提出Context-Aware Navigation Explanation框架，用LLM解释导盲机器人的避障与导航动作
- ▸系统融合感知上下文与规划的未来轨迹，生成自然语言运动解释
- ▸实验平台为Unitree Go2四足机器人，场景为室内导航
- ▸面向盲人与视觉障碍人群，解决导盲犬或盲杖在不熟悉环境中导航的不确定性
- ▸评估显示解释满意度与用户信任呈强正相关，障碍信息加未来轨迹的组合最有效
🔥犀利点评
导盲机器人最大的坎不是技术能不能走，而是人敢不敢跟——一个看不见的用户凭什么信任一台机器？这个研究聪明地把「可解释性」当成信任杠杆，用LLM把黑盒决策翻译成人话，思路对路。但满意度与信任正相关大概率是问卷自证循环，真正的考验是盲道上的实时性与安全兜底，论文里没见到答案。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 arXiv cs.RO 论文 阅读全文 →