NavIsaacLab：通过并行机器人学习生成逼真人群以基准测试人感知导航
NavIsaacLab是一个基于Isaac Lab的框架，利用基于物理和逼真的场景渲染以及GPU并行模拟，为机器人导航提供实时的3D视觉反馈。它采用数据驱动方法，结合轨迹扩散模型和对抗运动学习控制器，实现可控的、基于物理的行人模拟，并整合多种跨尺度场景，为人感知导航算法提供强大的基准测试。
NavIsaacLab：逼真人群模拟助力人感知导航基准测试
在人类与机器人共享的真实环境中，机器人自主导航必须考虑周围人的活动，以确保安全与自然交互。然而，构建可靠导航策略需要大量复杂多样的场景数据，而手动采集此类数据成本高昂。为此，仿真成为一种高效替代方案。但现有仿真平台往往使用手工规则模拟行人，且假设完美观测，缺乏真实传感器噪声，导致模拟与真实世界存在差距。
近日，来自多个机构的研究团队提出了NavIsaacLab框架，旨在通过基于物理和逼真的模拟解决这一难题。该框架基于NVIDIA的Isaac Lab平台，利用GPU并行模拟（即同时运行多个环境）实现实时的3D视觉反馈。它不仅支持逼真的场景渲染，还能模拟多机器人或多行人交互场景。
NavIsaacLab的核心创新在于行人行为建模。传统方法依赖规则，而该框架采用数据驱动方式：首先使用轨迹扩散模型生成合理的行人路径，然后通过对抗运动学习控制器（类似于GAN）生成物理上可行的动作，确保行人运动真实且可控。这种结合使得仿真中的行人群体具有高度的多样性和真实性。
此外，框架集成了从狭窄走廊到开阔广场等多种尺度的场景，为评估不同导航算法提供了全面的基准测试环境。实验表明，NavIsaacLab能够生成逼真的行人流，并有效评估现有的人感知导航方法。该研究为机器人导航领域的仿真与评估提供了重要工具，有望加速安全、自然的人机交互系统的发展。论文由Bingyi Xia等八位作者撰写，于2026年6月24日提交至arXiv，收录于机器人学（cs.RO）类别，并提供了完整的PDF及HTML格式以供查阅。