本研究提出了一种新方法，通过学习生成机器人控制来实现社交机器人导航。该方法在导航度量指标方面取得了显著改进，同时产生更平滑和具预测性的轨迹。验证了该方法的优越性，并表明融入人类的意识可以导致更好的导航效果。

本研究探讨了多模态感知学习在社交机器人导航中的有效性，结果显示多模态学习在社交合规性方面具有优势。研究还比较了单模态和多模态学习与经典导航方法的差异，并开源了代码供未来研究使用。

本研究提出了一种新方法，通过学习生成机器人控制来实现社交机器人导航。该方法在导航度量指标方面取得了显著改进，同时产生更平滑和具预测性的轨迹。验证了该方法的优越性，并表明融入人类的意识可以导致更好的导航效果。

本研究探讨了多模态感知学习在社交机器人导航中的有效性，通过大规模真实数据集和人体研究，结果显示多模态学习具有明显优势。代码已开源供未来研究使用。

本研究提出了一种新方法，通过学习生成机器人控制来实现社交机器人导航。该方法在导航度量指标方面取得了显著改进，同时产生更平滑和具预测性的轨迹。验证了该方法的优越性，并表明融入人类的意识可以导致更短、更平滑的轨迹。

本研究探讨了多模态感知学习在社交机器人导航中的有效性，结果显示多模态学习在社交合规性方面具有优势。研究比较了单模态和多模态学习与经典导航方法的差异，并开源了代码。

本文研究了使用多模态感知学习社交机器人导航的有效性，并将单模态和多模态学习与一组经典导航方法进行对比。结果表明，多模态学习在数据集和人体研究中具有明显优势，开源了代码供社区使用。

本文研究了使用多模态感知学习社交机器人导航的有效性，并将单模态和多模态学习与一组经典导航方法进行对比，结果表明多模态学习具有明显优势。同时，进行了一个人体研究，探究了使用多模态感知进行学习如何影响感知到的社交合规性。研究开源代码供社区使用。