2、社交感知移动机器人面对面交互轨迹研究

社交感知移动机器人面对面交互轨迹研究

1. 引言

社交移动机器人的一项重要能力是与初始位置远离机器人的人进行面对面交互。除了交互内容，机器人接近人类时的移动方式也至关重要，不能让人类感到不适。虽然像代理之间的距离、接近方向等相对简单的参数影响已被广泛研究，但轨迹形状等更微妙的差异探索较少。

人类对轨迹的感知还受特定文化社会规范的影响，手动编程较为困难。因此，可通过逆最优控制（IOC）和逆强化学习（IRL）等技术对观察到的人类轨迹进行建模，以提高社会接受度。不过，由于移动机器人的外观和运输方式与人类不同，还需进行人类研究来确认生成的轨迹是否真的具有社会可接受性。

本文通过用户研究表明，在面对面交互场景中，基于人与人接近轨迹生成的移动机器人轨迹比基于人点对点轨迹生成的轨迹更具社会可接受性。

2. 逆最优控制

移动机器人的动力学用微分方程表示：
$\dot{x}(t) = f (x(t), u(t))$
其中，$x(t)$ 是当前状态，$u(t)$ 是输入。

使用具有与方向正交速度分量的差动驱动模型，$x$ 和 $u$ 表示为：
$x(t) = (x(t) y(t) \theta(t) v_f(t) v_o(t) \omega(t))^T$
$u(t) = (u_1(t) u_2(t) u_3(t))^T$

选择输入 $u_1(t) = \dot{v}_f(t)$，$u_2(t) = \dot{v}_o(t)$ 和 $u_3(t) = \dot{\omega}(t)$，可得：
$f (x(t), u(t)) = (\dot{x}(t) \dot{y}(t