13、社交机器人优化决策与导航技术解析

社交机器人优化决策与导航技术解析

1. 运动预测

在社交机器人的动态环境中，运动预测是首要挑战之一。人机交互要求机器人对人类的动作做出反应，因此协调运动规划模型对明确评估人类与机器人在预测、规划和社会合作中的协调性至关重要。

1.1 轨迹优化

轨迹优化是赋予机器人系统空间探索特性的关键参数，它包含多个子模块：
- 轨迹选择
- 轨迹优化
- 并行及动态类优化
- 协调运动规划

规划算法借助时间弹性带框架探索基于拓扑的替代轨迹。通过输入目标姿态、起始姿态和环境中的障碍物集合，轨迹优化技术旨在提供环境中基于最佳拓扑的替代路径。大多数运动预测任务中的探索算法是带有反馈的闭环算法，有助于从路径反馈捕获的替代解决方案类中扩展初始轨迹。

1.2 多智能体平台与碰撞避免

在某些情况下，多智能体平台可预测机器人与环境及人类的协调性。每个智能体预测自身的最佳轨迹，有助于估计机器人在人类中的运动。联合碰撞避免技术也日益流行，用于预测成对交点，并根据遇到的特征集将其评定为障碍物，从而估计交互点，找到环境中邻居未来轨迹上最近的时空位置。

1.3 社交环境中的运动预测

在行人与机器人共存的社交环境中，需估计预测轨迹和拓扑替代路径。此时，需更新人类与社交机器人的起始和目标位置，以估计双方的概率。概率条件的波动表明预测路径和拓扑路径相似，机器人在环境中的当前方向会显著影响运动预测模块的决策。此外，运动预测模块还可根据环境数据质量估计替代优化路径。社会实验会极大影响算法性能，可能因人类与机器人的合作对轨迹产生较大影响。

1.4 扩展社会力模