将 SICNav 部署到实际场景：基于 MPC 和双层优化的安全交互式人群导航

在拥挤环境中实现安全高效的导航，对于提供送餐或自动驾驶轮椅移动等多样化服务任务的机器人而言，仍然是一个关键挑战。经典的机器人人群导航方法将人类运动预测与机器人运动规划解耦，忽视了人与机器人之间的闭环交互。这种对人类对机器人规划的反应（例如让开道路）缺乏建模，可能导致机器人被困住。我们提出的安全交互式人群导航（SICNav）方法是一个双层模型预测控制（MPC）框架，将预测与规划结合为一个优化问题，显式建模智能体之间的交互。在本文中，我们展示了我们在先前未见过的室内外环境中部署 SICNav 的人群导航平台的系统概述。我们提供了对系统在两个小时内近 7 公里自主导航（涵盖室内外环境）运行情况的初步分析。