RPF-Search：未知动态环境中机器人跟随行人的基于场搜索

自主机器人跟随行人（RPF）系统对个人辅助和安全至关重要，但在动态、未知环境中会因遮挡而丢失目标。当前方法依赖预建地图并假设环境静态，限制了它们在真实场景中的有效性。在拓扑遮挡（如墙壁、角落）和动态遮挡（如移动行人）下重新发现目标存在关键空白。在本文中，我们提出了一种新颖的启发式引导搜索框架，该框架在跟随目标的同时动态构建环境地图，并通过不同的机制明确处理这两类遮挡。对于拓扑遮挡，信念引导搜索场估计目标存在的可能性，并引导搜索向有前景的边界进行。对于动态遮挡，基于观测的搜索策略根据遮挡物的运动模式在流体跟随场和超车势场之间自适应切换。我们的结果表明，无论是在仿真还是真实世界测试中，所提出的方法在搜索效率和成功率方面均优于现有方法。我们的目标搜索方法增强了 RPF 系统在未知和动态环境中的适应性和可靠性，支持其在真实世界应用中的使用。