人类运动预测质量如何塑造受限空间中的社交机器人导航性能
机器人学
2026-01-16 v1 人机交互
摘要
受将移动机器人更紧密地融入仓库、医院、制造工厂和家庭等人类环境的愿景驱动，我们专注于动态且空间受限环境中的机器人导航。在此类环境中确保人类的安全、舒适和效率，要求机器人具备人类在其周围如何移动的模型。由于人类行为的随机性、用户偏好的差异以及数据稀缺性，机器人周围的人类运动预测尤其具有挑战性。在这项工作中，我们对人类运动预测质量对机器人导航性能以及人类生产力和印象的影响进行了系统性的研究。我们设计了一个场景，涉及机器人在受限工作空间中两个人类受试者之间导航，并在涉及两种不同机器人平台的用户研究（N=80）中实例化该场景，该研究在来自世界不同地区的两个地点进行。关键发现包括证据表明：1）广泛采用的平均位移误差并非机器人导航性能和人类印象的可靠预测指标；2）在受限环境中，人类合作的常见假设失效，用户通常不回应机器人的合作，导致性能下降；3）更高效的机器人导航往往以牺牲人类效率和舒适度为代价。
引用
@article{arxiv.2601.09856,
title = {How Human Motion Prediction Quality Shapes Social Robot Navigation Performance in Constrained Spaces},
author = {Andrew Stratton and Phani Teja Singamaneni and Pranav Goyal and Rachid Alami and Christoforos Mavrogiannis},
journal= {arXiv preprint arXiv:2601.09856},
year = {2026}
}