本文探讨了深度强化学习和社交规范在拥挤环境中改善机器人自主导航的方法。研究提出了社交导航算法评估标准和度量指标框架，并通过课程学习提升导航的泛化性能。新方法在成功率、导航时间和轨迹平滑性方面表现优越，强调了人类意识对机器人导航的影响。

该研究提出了一种社交关注的轨迹预测模型，可以捕获人们在拥挤环境中导航时每个人的相对重要性。该模型对比了现有方法的性能，并分析了训练后的注意力模型，以更好地理解人类在拥挤环境中导航时关注周围团队的特点。