SICNav：基于模型预测控制与双层优化的安全交互式人群导航

机器人需要预测并响应人体运动以在无碰撞情况下穿越人群。许多现有方法将预测与规划解耦，未考虑机器人与人体运动间的交互，可能导致机器人受困。我们提出 SICNav，一种模型预测控制（MPC）方法，在闭环中联合求解机器人运动与预测人群运动。我们将人群中每个人建模为遵循最优互惠碰撞避免（ORCA）方案，并将该模型作为约束嵌入机器人的局部规划器，形成一个双层非线性 MPC 优化问题。我们使用 KKT 重构将双层问题化为单层，并采用非线性求解器进行优化。我们的 MPC 方法能在单机器人多人类环境中影响行人运动，同时显式满足安全约束。我们在两个仿真环境和带有真实机器人的室内实验中分析了 SICNav 的性能，以展示能够影响周围人类的安全机器人运动。我们还在人类轨迹数据集上验证了 ORCA 的轨迹预测性能。