31、基于在线POMDPs的鲁棒人员引导与学习型地板分割重建

基于在线POMDPs的鲁棒人员引导与学习型地板分割重建

1. 基于在线POMDPs的鲁棒人员引导

在机器人导航任务中，尤其是人员引导任务，如何处理系统的不确定性是关键。部分可观测马尔可夫决策过程（POMDPs）为解决这一问题提供了有效途径，它能增强机器人操作的鲁棒性。

1.1 预测与观测模型

• 预测模型 ：机器人（红色）和人（绿色）都有向前移动或停留两种状态。机器人若决定前进，能确定到达轨迹上的下一个点；而人的运动具有不确定性，还会受中间目标（黄色）的影响。
• 观测模型 ：机器人通过摄像头能以较高概率检测到人是否在其视野范围内（蓝色多边形），视野范围约3米长。机器人的位置由定位系统获取，精度取决于地图中的位置（绿色矩形）。此外，机器人能识别之前见过的人，即使人走出并再次进入视野，仍可被识别。模型认为人在摄像头视野内时检测概率高，但也存在小概率的误检测。

1.2 预测函数

• 机器人动作 ：机器人的动作空间包括继续前往轨迹上的下一个离散点或等待人。机器人的动作是确定性的，即若接收到前进指令，就能到达下一个点，不过也可对场景中拥挤的可能性进行建模。
• 人的运动 ：人的运动不确定。模型假设人会适应机器人的节奏，但可能会稍有徘徊，所以人停留在当前位置有小概率。而且，人的意图取决于其所处位置，若接近中间目标，人可能会停留，此时停留和改变目标的概率较大。

1.3 奖励函数设计 </