基于群体社交近距离特征引导的在线机器人运动规划方法

当代机器人被期待在社交或服务应用中展现出类似人类的感知、推理和行为模式。然而，大多数现有运动规划方法与上述要求不兼容。一个潜在原因是，现有导航算法通常试图将人类视为另一种障碍物，很少考虑社交原则或意识。在本论文中，我们尝试对群体的近距离进行建模，并将其融入场景感知和机器人导航中。为此，引入一种考虑社交相关性和空间置信度的群体聚类方法。它能够使机器人识别个体并将其划分为群体。随后，我们提出定义单个近距离的模型，并通过向量场叠加建立群体近距离和场景图。基于群体聚类和近距离建模，我们提出获取群体的最优观察位置（OOP）的方法。一旦建立了 OOP 网格和场景图，便采用一种启发式路径方法生成引导机器人在群体之间巡航以进行交互的路径。 conducted a series of experiments to validate the proposed methodology on a practical robot, and the results have demonstrated that our methodology has achieved promising performance on group recognition accuracy and path-generation efficiency. This concludes that the group awareness evolved as an important module to make robot socially behave in the practical scenario.