As pessoas são o principal problema para os algoritmos de navegação
Os robôs estão cada vez mais presentes em espaços onde precisam dividir o caminho com pessoas: lojas, hospitais, ruas urbanas. A capacidade de interpretar corretamente comandos e, ao mesmo tempo, não violar o espaço pessoal dos pedestres torna-se crucial. No entanto, a maioria das abordagens existentes para navegação por instruções em linguagem (Vision-and-Language Navigation, VLN) foi testada em condições onde não há pedestres ou seu comportamento é simplificado ao extremo. Isso faz com que até agentes avançados se percam em ambientes reais.
Os pesquisadores notaram essa lacuna e apresentaram um novo benchmark aberto — HA-VLN 2.0. Ele foi criado para testar a capacidade de um robô de executar comandos de navegação e, ao mesmo tempo, comportar-se de forma socialmente aceitável: desviar de pessoas, não colidir com elas e manter distância.
De mapas discretos a ruas vivas
Os benchmarks VLN tradicionais dividiam-se em discretos e contínuos. No primeiro caso, o agente se move entre pontos pré-definidos e não se preocupa com a suavidade do movimento. No segundo, surge um espaço livre, mas na maioria dos cenários ele permanece estático: os pedestres não se movem ou mal são considerados. Na realidade, porém, as pessoas constantemente vêm na direção oposta, mudam de trajetória e interagem entre si.
Os autores do trabalho do ArXiv:2503.14229 (artigo aceito para o IROS 2026) propõem uma abordagem unificada: HA-VLN 2.0 combina ambientes discretos e contínuos, adicionando restrições sociais explícitas. Ou seja, antes de avaliar a precisão da rota, verifica-se se o agente violou o espaço pessoal de uma pessoa. Essa formulação do problema é muito mais próxima das condições em que os robôs realmente precisarão operar.
No artigo, com 35 páginas e 20 figuras, são detalhados tanto a arquitetura do benchmark quanto os resultados obtidos. Doze autores de laboratórios acadêmicos e industriais trabalharam no projeto, incluindo pesquisadores da Universidade Carnegie Mellon (Alexander G. Hauptmann) e de outras instituições.
HA-VLN 2.0: um padrão unificado para navegação social
O novo benchmark inclui vários componentes-chave. Primeiro, métricas padronizadas que medem simultaneamente a precisão em atingir o objetivo e o grau de respeito ao espaço pessoal. Uma métrica simples como "percentual de episódios bem-sucedidos" é complementada aqui por penalidades por invasão da zona de conforto dos pedestres.
Em segundo lugar, os pesquisadores criaram um conjunto de dados atualizado, o HAPS 2.0, e simuladores que modelam a interação com várias pessoas ao mesmo tempo. Não apenas ambientes fechados são considerados, mas também espaços abertos, bem como um alinhamento mais preciso entre linguagem, gestos e movimentos. Isso permite testar agentes em condições próximas de cenários urbanos reais.
Para verificar a eficácia da abordagem, os autores realizaram benchmarks em 16.844 instruções socialmente fundamentadas. Esse número de exemplos permite avaliar de forma confiável o comportamento dos algoritmos em diferentes situações. Destaca-se separadamente que, junto com o benchmark, são publicados conjuntos de dados, simuladores, baselines e protocolos — tudo o que é necessário para reproduzir os experimentos.
O que os testes mostraram: a consciência social é decisiva
O benchmark revelou um problema sério: o desempenho dos principais agentes de navegação cai drasticamente quando se adiciona dinâmica de pessoas e observabilidade parcial. Agentes que se saíam muito bem em ambientes estáticos começam a colidir com pedestres ou a ficar travados quando eles aparecem inesperadamente no campo de visão.
Além disso, os experimentos mostraram que a modelagem social explícita traz vantagens significativas. Se um agente é previamente treinado para considerar a presença de pessoas e prever seus movimentos, a robustez da navegação aumenta e o número de colisões diminui. Isso confirma a necessidade de abordagens centradas no ser humano, em vez da simples busca pelo caminho mais curto.
É importante que as conclusões não foram validadas apenas em simulação. Os autores realizaram testes em um robô real, que confirmaram a transferência dos resultados do ambiente virtual para o físico. Essa transição da simulação para a realidade é uma condição obrigatória para a aplicação prática, e o HA-VLN 2.0 oferece a infraestrutura para sua validação.
Um ecossistema aberto para o avanço da robótica
Um dos aspectos importantes do projeto é a abertura. Junto com o artigo, são publicados não apenas descrições, mas também ferramentas funcionais: conjuntos de dados, simuladores, códigos de algoritmos básicos e protocolos de treinamento. Além disso, foi criada uma tabela de líderes onde as equipes podem comparar seus agentes de navegação em condições transparentes. Isso é especialmente valioso, pois permite acompanhar o progresso na área de navegação social e evitar resultados inflados em conjuntos de teste fechados.
O desenvolvimento de tais benchmarks é um passo importante para que os robôs deixem de ser brinquedos de laboratório e aprendam a coexistir com segurança com as pessoas na vida real. Novas métricas e simuladores impulsionam a comunidade a pesquisar em direção a uma maior consciência social, e não apenas precisão técnica.
No futuro, pode-se esperar a expansão dos cenários: condições climáticas mais complexas, diferentes tipos de pedestres e modalidades adicionais nas instruções. Mas já agora o HA-VLN 2.0 define um novo padrão para a avaliação de algoritmos de navegação voltados para a interação com a sociedade.
