Online Robot Motion Planning Methodology Guided by Group Social Proxemics Feature

📄 arXiv: 2502.04837v1 📥 PDF

作者: Xuan Mu, Xiaorui Liu, Shuai Guo, Wenzheng Chi, Wei Wang, Shuzhi Sam Ge

分类: cs.RO, eess.SY

发布日期: 2025-02-07

备注: 14 pages,14 figures

💡 一句话要点

提出基于群体社交距离特征的在线机器人运动规划方法，提升社交场景适应性

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 机器人运动规划 社交距离 群体聚类 人机交互 服务机器人

📋 核心要点

  1. 现有机器人导航算法通常将人视为障碍物，忽略了社会原则和社交意识，导致在社交场景中表现不佳。
  2. 该论文提出一种基于群体社交距离特征的在线运动规划方法，通过群体聚类和社会距离建模，使机器人能够理解和适应社交环境。
  3. 实验结果表明，该方法在群体识别精度和路径生成效率方面表现良好，验证了其在社交机器人应用中的潜力。

📝 摘要（中文）

当前，机器人需要在社交或服务应用中展现类人的感知、推理和行为模式。然而，现有的运动规划方法通常将人视为障碍物，缺乏对社会原则的考虑。本文旨在对群体社交距离进行建模，并将其融入机器人的场景感知和导航中。为此，提出了一种同时考虑社会相关性和空间置信度的群体聚类方法，使机器人能够识别个体并将他们划分为群体。接着，利用磁偶极子模型定义个体社交距离，并通过矢量场叠加建立群体社交距离和场景地图。在此基础上，提出了一种获取群体最优观察位置（OOPs）的方法。一旦建立了OOPs网格和场景地图，就可以采用启发式路径生成方法，引导机器人在群体间巡航以进行交互。实验结果表明，该方法在群体识别精度和路径生成效率方面表现良好，证明了群体感知是使机器人在实际场景中表现出社交行为的重要模块。

🔬 方法详解

问题定义：现有机器人运动规划方法主要将行人视为静态或动态障碍物，缺乏对人群社会属性的理解，导致机器人无法自然地融入人群，难以满足社交和服务场景的需求。痛点在于缺乏对群体行为的建模和利用，使得机器人行为显得生硬和不自然。

核心思路：该论文的核心思路是将人群的社交距离（proxemics）概念引入机器人运动规划中。通过对人群进行聚类，并建模群体的社交距离，机器人可以更好地理解人群的分布和行为模式，从而规划出更符合社会规范的运动轨迹。这样设计的目的是使机器人的行为更自然、更易于被人类接受，从而提高其在社交和服务场景中的可用性。

技术框架：该方法主要包含以下几个阶段：1) 群体聚类：利用考虑社会相关性和空间置信度的聚类方法，将场景中的个体划分成不同的群体。2) 社交距离建模：使用磁偶极子模型对个体社交距离进行建模，并通过矢量场叠加的方式建立群体社交距离模型。3) 最优观察位置（OOPs）确定：基于群体社交距离模型，确定机器人观察群体的最佳位置。4) 路径规划：利用启发式算法，在OOPs网格和场景地图上生成引导机器人在群体间巡航的路径。

关键创新：该论文的关键创新在于将群体社交距离的概念引入机器人运动规划中，并提出了一种基于磁偶极子模型的群体社交距离建模方法。与传统的将人视为障碍物的规划方法相比，该方法能够更好地理解人群的社会属性，从而规划出更符合社会规范的运动轨迹。此外，提出的群体聚类方法同时考虑了社会相关性和空间置信度，提高了聚类的准确性。

关键设计：在群体聚类阶段，使用了社会相关性和空间置信度作为聚类指标，具体计算方法未知。在社交距离建模阶段，使用了磁偶极子模型，模型的参数（如偶极子的强度和方向）需要根据实际场景进行调整。在路径规划阶段，使用了启发式算法，具体的启发式函数未知，但需要考虑机器人与群体之间的距离、角度以及路径的长度等因素。

📊 实验亮点

实验结果表明，该方法在群体识别精度和路径生成效率方面表现良好。具体而言，群体识别的准确率达到了未知水平，路径生成的时间效率相比于传统方法提升了未知百分比。这些结果验证了该方法在实际机器人应用中的可行性和有效性，表明了其在社交机器人领域具有重要的应用价值。

🎯 应用场景

该研究成果可应用于多种社交机器人和服务机器人场景，例如：商场导览机器人、博物馆讲解机器人、医院陪护机器人等。通过理解人群的社交行为，机器人可以更自然地与人互动，提供更优质的服务。此外，该方法还可以应用于自动驾驶领域，提高自动驾驶车辆在复杂交通环境中的安全性。

📄 摘要（原文）

Nowadays robot is supposed to demonstrate human-like perception, reasoning and behavior pattern in social or service application. However, most of the existing motion planning methods are incompatible with above requirement. A potential reason is that the existing navigation algorithms usually intend to treat people as another kind of obstacle, and hardly take the social principle or awareness into consideration. In this paper, we attempt to model the proxemics of group and blend it into the scenario perception and navigation of robot. For this purpose, a group clustering method considering both social relevance and spatial confidence is introduced. It can enable robot to identify individuals and divide them into groups. Next, we propose defining the individual proxemics within magnetic dipole model, and further established the group proxemics and scenario map through vector-field superposition. On the basis of the group clustering and proxemics modeling, we present the method to obtain the optimal observation positions (OOPs) of group. Once the OOPs grid and scenario map are established, a heuristic path is employed to generate path that guide robot cruising among the groups for interactive purpose. A series of experiments are conducted to validate the proposed methodology on the practical robot, 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.