Beyond Collision Avoidance: Multi-Robot Yielding and Spatial Affordance in Emergency Evacuations
作者: Ning Zhou, Edmund R. Hunt, Nikolai W. F. Bode
分类: cs.RO
发布日期: 2026-05-15
💡 一句话要点
针对紧急疏散，提出考虑空间可供性和人类期望的多机器人避让策略
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 人机交互 机器人避让 紧急疏散 空间可供性 心理期望
📋 核心要点
- 现有机器人避让策略侧重避碰和流量优化，忽略了人类空间期望和环境可供性，导致疏散效率和用户体验不佳。
- 提出一种考虑环境可供性和人类心理期望的多机器人避让策略，通过主动让路和利用环境特征来提升疏散体验。
- 通过虚拟疏散实验验证了该策略的有效性，结果表明主动让路策略优于传统方法，并强调了环境可供性对人类认知的影响。
📝 摘要（中文）
随着移动服务机器人与行人共存日益普遍，在受限的紧急疏散环境中确保被动安全行为至关重要。现有的多机器人避让策略通常只关注避碰和宏观流量优化，忽略了环境可供性和人类空间期望。为了弥合宏观理论和微观感知之间的差距，我们进行了一项基于游戏的虚拟疏散实验（N=56）。我们研究了在有和没有避难场所的狭窄走廊中，个体对四种多机器人避让策略（隐藏、直线逃逸、冻结、最短路径）的心理反应。结果表明，存在一个稳健的偏好等级（隐藏 > 直线逃逸 > 冻结 > 最短路径），表明主动让路明显优于冻结和效率优先的方法。至关重要的是，我们发现环境可供性极大地影响了认知期望。主动利用可用空间放大了主动让路的心理舒适度。相反，未能使用明显的空间（例如，执行直线逃逸）可能会触发期望违背，这反映在感知到的认知延迟急剧增加，尽管客观上轨迹不受阻碍。此外，先前的机器人交互经验有助于用户解码复杂的社会意图。最终，这项研究表明，紧急情况下的安全人机交互必须从纯粹的轨迹优化发展到语义感知的导航。未来的工作将扩展这个框架，以研究机器人集群和行人人群之间复杂的交互。
🔬 方法详解
问题定义：论文旨在解决紧急疏散场景下，多机器人如何与行人安全有效地协同的问题。现有方法主要关注碰撞避免和宏观流量优化，忽略了人类的心理感受和对环境的认知，例如对空间可供性的利用。这导致行人可能感到不适，甚至降低疏散效率。
核心思路：论文的核心思路是，机器人不仅要避免碰撞，还要主动地为行人让路，并充分利用环境提供的空间资源（如避难场所），以满足行人的空间期望，从而提升行人的心理舒适度和疏散效率。这种方法强调了机器人行为的“语义感知”，即理解环境和人类行为的含义。
技术框架：该研究采用实验心理学的方法，设计了一个基于游戏的虚拟疏散实验。实验中，参与者在虚拟环境中与机器人互动，体验不同的机器人避让策略。通过问卷调查和行为数据分析，评估参与者对不同策略的心理反应和认知延迟。实验对比了四种机器人避让策略：Hide（隐藏到避难场所）、LineEscape（直线逃逸）、Freeze（冻结）和 ShortestPath（最短路径）。
关键创新：该研究的关键创新在于，它将环境可供性和人类空间期望纳入了机器人避让策略的设计中。传统方法只关注轨迹优化，而该研究强调机器人行为的“语义感知”，即理解环境和人类行为的含义。此外，该研究还揭示了环境可供性对人类认知的影响，例如，未能利用明显的避难场所可能会导致“期望违背”，从而增加认知延迟。
关键设计：实验设计中，关键的因素包括：1) 虚拟环境的布局，包括走廊的宽度和避难场所的位置；2) 机器人避让策略的定义，包括机器人如何选择路径和如何响应行人的行为；3) 实验任务的设计，包括疏散场景的设置和参与者的目标；4) 数据收集和分析方法，包括问卷调查、行为数据记录和统计分析。
🖼️ 关键图片
📊 实验亮点
实验结果表明，主动让路策略（Hide）显著优于冻结（Freeze）和效率优先（ShortestPath）策略。Hide策略在心理舒适度方面表现最佳，且能有效利用环境提供的避难场所。研究还发现，未能利用明显的避难场所可能会导致“期望违背”，从而增加认知延迟。此外，先前的机器人交互经验有助于用户解码复杂的社会意图。
🎯 应用场景
该研究成果可应用于服务机器人、救援机器人等领域，提升机器人在紧急情况下的协同能力和安全性。通过理解人类的空间期望和环境可供性，机器人可以更自然、更有效地与人类互动，从而提高疏散效率，降低人员伤亡。未来，该研究可扩展到更复杂的场景，如人群疏散、灾后救援等。
📄 摘要（原文）
As mobile service robots increasingly coexist with pedestrians, ensuring passively safe behaviour during confined emergency evacuations is critical. Existing multi-robot yielding strategies often focus solely on collision avoidance and macroscopic flow optimisation, overlooking environmental affordances and human spatial expectations. To bridge the gap between macroscopic theory and micro-level perception, we conducted a game-based virtual evacuation experiment (N=56). We investigated individual psychological responses to four multi-robot yielding strategies (Hide, LineEscape, Freeze, ShortestPath) across confined corridors with and without refuge niches. Our results establish a robust preference hierarchy (Hide > LineEscape > Freeze > ShortestPath), demonstrating that proactive space-yielding significantly outperforms freezing and efficiency-first approaches. Crucially, we found that environmental affordances heavily shape cognitive expectations. Actively utilising available niches amplifies the psychological comfort of proactive yielding (Hide). Conversely, failing to use an obvious niche (e.g., executing LineEscape) may trigger Expectation Violation. This is reflected in a drastically increased perceived cognitive delay, despite objectively unimpeded trajectories. Furthermore, prior robot interaction experience helps users decode complex social intents. Ultimately, this research demonstrates that safe human-robot interaction during emergencies must evolve from pure trajectory optimisation to semantically aware navigation. Future work will extend this framework to investigate complex interactions between robot swarms and pedestrian crowds.