NavIsaacLab：通過並行機器人學習生成逼真人羣以基準測試人感知導航
NavIsaacLab是一個基於Isaac Lab的框架，利用基於物理和逼真的場景渲染以及GPU並行模擬，為機器人導航提供實時的3D視覺反饋。它採用數據驅動方法，結合軌跡擴散模型和對抗運動學習控制器，實現可控的、基於物理的行人模擬，並整合多種跨尺度場景，為人感知導航算法提供強大的基準測試。
NavIsaacLab：逼真人羣模擬助力人感知導航基準測試
在人類與機器人共享的真實環境中，機器人自主導航必須考慮周圍人的活動，以確保安全與自然交互。然而，構建可靠導航策略需要大量複雜多樣的場景數據，而手動採集此類數據成本高昂。為此，仿真成為一種高效替代方案。但現有仿真平台往往使用手工規則模擬行人，且假設完美觀測，缺乏真實傳感器噪聲，導致模擬與真實世界存在差距。
近日，來自多個機構的研究團隊提出了NavIsaacLab框架，旨在通過基於物理和逼真的模擬解決這一難題。該框架基於NVIDIA的Isaac Lab平台，利用GPU並行模擬（即同時運行多個環境）實現實時的3D視覺反饋。它不僅支持逼真的場景渲染，還能模擬多機器人或多行人交互場景。
NavIsaacLab的核心創新在於行人行為建模。傳統方法依賴規則，而該框架採用數據驅動方式：首先使用軌跡擴散模型生成合理的行人路徑，然後通過對抗運動學習控制器（類似於GAN）生成物理上可行的動作，確保行人運動真實且可控。這種結合使得仿真中的行人羣體具有高度的多樣性和真實性。
此外，框架集成了從狹窄走廊到開闊廣場等多種尺度的場景，為評估不同導航算法提供了全面的基準測試環境。實驗表明，NavIsaacLab能夠生成逼真的行人流，並有效評估現有的人感知導航方法。該研究為機器人導航領域的仿真與評估提供了重要工具，有望加速安全、自然的人機交互系統的發展。論文由Bingyi Xia等八位作者撰寫，於2026年6月24日提交至arXiv，收錄於機器人學（cs.RO）類別，並提供了完整的PDF及HTML格式以供查閲。