TAGA：基于切线的用于围绕人群机器人导航的切线驱动方法

在人口稠密环境中的机器人导航 presents significant 挑战，尤其是涉及个体与群体动态相互作用的方面。当前的导航模型主要针对与个体行人之间的互动进行建模，未能考虑现实场景中自然形成的人群。相反， limited models implementing group-aware navigation typically prioritize group dynamics at the expense of individual interactions, both of which are essential for socially appropriate navigation。该研究扩展了现有的仿真框架，以整合个体行人和人群。我们提出了基于切线的群体避免动作 (TAGA)，这是一种模块化的反应式机制，可集成到现有导航框架中以增强其对群体的感知能力。TAGA 动态修改机器人的轨迹，采用切线动作驱动的规避策略，同时保持底层模型围绕个体导航的能力。此外，我们引入了群体碰撞率 (GCR)，用于定量评估机器人在导航过程中维持群体完整性的效果。通过全面的仿真基准测试，我们证明将 TAGA 集成到最先进的导航模型（ORCA、Social Force、DS-RNN 和 AG-RL）后，可将群体侵入率降低 45.7-78.6%，同时保持相当的成功率和导航效率。未来的工作将聚焦于该方法的实际部署与验证。