HumanHalo - 基于最小保守性 MPC 的安全高效 3D 人类导航
机器人学
2026-03-10 v2
摘要
在人类之间进行安全且高效的机器人导航对于将机器人集成到日常环境至关重要。大多数现有方法专注于简化的 2D 人群导航，未能考虑人类身体动力学 Beyond 根运动的完全复杂性。我们提出了 HumanMPC，这是一种用于 3D 微型飞行器（MAV）在人类之间导航的模型预测控制（Model Predictive Control, MPC）框架，结合了理论安全保证与数据驱动的人类运动预测模型。我们的方法引入了可达性基于安全的新型公式，该公式仅约束初始控制输入以确保安全，同时对整个规划时域进行建模，从而实现安全且高效的导航。我们在使用真实人类轨迹的仿真实验和实际环境中对 HumanMPC 进行了验证，展示了其在从目标导向导航到人类跟踪的视觉伺服等任务中的有效性。虽然我们将该方法应用于 MAV，但其是通用的，可适用于其他平台。我们的结果表明，该方法在确保安全方面没有过度保守，同时在效率和可靠性方面均优于基线方法。
引用
@article{arxiv.2510.17525,
title = {HumanHalo - Safe and Efficient 3D Navigation Among Humans via Minimally Conservative MPC},
author = {Simon Schaefer and Helen Oleynikova and Sandra Hirche and Stefan Leutenegger},
journal= {arXiv preprint arXiv:2510.17525},
year = {2026}
}