室内人机共融环境下的机器人社会自适应导航方法研究

During the robot navigation process, the natural interaction between the mobile robot and pedestrians is a key issue to be solved in the practical application of the mobile service robot. At present, most robots lack social awareness and only regard pedestrians as obstacles, which causes pedestrians to accommodate to the movement of the robot passively. These unnatural navigation methods decrease the navigation efficiency and affect the user experience. To solve these problems, based on the psychological research results such as proxemics and social force model, this project adopts the inverse reinforcement learning algorithm, systematically studies the interaction mechanism between the mobile robot and pedestrians according to the demonstrations of experts, and proposes a social-adaptive robot navigation method. This project focuses on the technologies of robot social-adaptive feature extraction, high-dimensional composite state space fusion, heuristic motion planning, social-adaptive motion optimization, etc. This project explores the autonomous navigation problem in indoor human-robot integration environments, improves the reliability and practicability of robot navigation algorithm from the perspective of social awareness, providing theoretical foundations and technical support for the development of autonomous robot navigation technology in China.

机器人在导航过程中与行人的自然交互，是移动型服务机器人实际应用中要解决的重点问题。目前，大多数机器人缺乏社会意识，仅把行人当作障碍物，造成行人需要被动迁就机器人的运动，运动方式不够自然，影响导航效率和用户体验。针对这些问题，本课题采用逆向强化学习算法，基于空间关系学与社会力模型等心理学研究成果，根据专家示范路径系统研究机器人和行人之间的运动交互机理，提出机器人社会自适应导航方法，重点研究机器人社会自适应特征提取、高维复合状态空间融合、启发式运动规划、社会自适应运动优化等问题。本课题的研究探讨了人机共融环境下机器人的自主导航问题，从社会意识的角度提高机器人自主导航算法的可靠性和实用性，为我国机器人自主导航技术发展提供理论基础和技术支撑。

机器人在导航过程中与行人的自然交互，是移动型服务机器人实际应用中要解决的重点问题。本课题首先针对移动机器人导航轨迹不自然、人机自然交互欠缺的问题，基于空间关系学与社会力模型等心理学研究成果，在路径规划中引入社会规则模型，提出了基于逆向强化学习的社会自适应运动交互学习框架及评估方法，解决了运动交互学习过程中的非同伦问题，人机共融环境下的路径拟人化置信度超过70%。其次，受复杂动态作业中通道狭小动态多变以及人运动随机性的影响，移动机器人路径规划易陷入陷阱空间，本课题通过基于扩展维诺图引导机器人进行启发式采样，建立了环境拓扑结构特征模型，提出了原创性的基于环境拓扑特征矩阵的工作空间精炼化表达方法，通过实时生成启发式路径引导运动规划，解决了陷阱空间问题，将复杂动态环境的规划线上资源消耗降低为毫秒级。此外，本课题面向人群稠密等动态人机共融环境，提出了基于环境在线特征学习的移动机器人路径规划方法，通过结构化环境拓扑信息和行人密度等环境时间-空间先验知识，使机器人能够避开密集拥挤的人群，进一步提高移动机器人在高动态人机共融环境中导航的成功率。本课题的研究探讨了人机共融环境下机器人的自主导航问题，从社会意识的角度提高机器人自主导航算法的可靠性和实用性，为我国机器人自主导航技术发展提供了理论基础和技术支撑。