机器人社交意识导航的非线性多目标优化 人机交互多样性更有效

移动机器人正在逐步进入许多人口稠密的环境，包括医院，购物中心和我们的家。考虑到机器人在与周围环境互动时能遵循一定的规则。内华达州里诺大学的研究人员最近开发了一种非线性，多目标优化方法，该方法可以在移动机器人中实现具有社交意识的导航。

考虑到这一点，他们首先在2018年国际机器人与系统大会（IROS）上发表了一篇概述，近期他们又公开表示，社交意识导航确保了机器人不会侵入主人的个人空间，同时还可以在多种情况下使人机更有效交互（HRI）更有效。

这项研究的主要研究员David Feil-Seifer告诉记者：这项研究最初是对机器人和儿童进行研究的一部分，早期的工作涉及为我们希望机器人与孩子互动的环境开发机器人。我们通过机器人路径规划中常用的指标，使机器人走了最“高效”的路线（以最大程度地减少时间），使行进的距离最小化，不会撞到任何东西。

在先前发表在《人机交互》中的一项研究，Feil-Seifer和他的同事试图为儿童居住的环境开发机器人导航行为。试点工作表明，机器人可以有效地到达期望的位置而不会撞到任何东西，但是研究人员观察到，儿童通常对机器人的反应较差。

实际上，实验中使用的机器人通常会远离儿童，并尽可能快地朝其期望的位置移动。由于这种行为，孩子们认为机器人不想与他们互动。

移动机器人正在加入在门口场景前方形成的提示。传统的计划者生成红色轨迹，将机器人引导到第一人称（不适当的人）旁边的位置，并切断线。我们建议的方法是蓝色轨迹，使机器人（适当地）加入生产线。

图片来源：Banisetty等

Feil-Seifer说：“我们观察了机器人，发现它并没有真正改变人们的行为方式，它吸收了社交信息并利用这些信息来帮助进行路径规划。因此我们决定制作一个导航计划器，可以使用社交距离信息来执行社交上适当的运动。”

在先前的研究中，Feil-Seifer和同事使用高斯混合模型（GMM）成功地使机器人确定了计划的运动是否符合要求。在可以使用简单的线性数学模型轻松理解和表示社会因素的情况下，此方法效果很好。

由于大多数现实世界中的社交互动都涉及多个难以在线性模型中拟合的因素，因此，他们开发的简单方法无法在不同的社交环境中很好地推广，并且在许多情况下根本无法奏效。因此，在他们的新研究中，研究人员决定更新他们先前开发的计划程序，以优化机器人的计划动作，并考虑到他们希望机器人考虑的各种社会属性之间的非线性关系。这涉及使用启用了帕累托凹面消除变换（PaCcET）的计划程序。

“这种方法的主要优势在于，它可以利用各种社会因素之间的非线性关系（例如人在走廊上的位置与目标的距离等）” Feil-Seifer说。

研究小组将非线性优化方法应用于几种情况，在这种情况下机器人必须尊重社会规范，例如，不得侵犯人们的个人空间。他们发现这种方法在很多情况下都好用，包括在走廊，美术馆或在提示时的互动。

在最近的研究中，研究人员在模拟的PR2机器人的二维模拟中以及在先锋3DX移动机器人的现实世界中评估了他们的方法。他们的发现表明，他们的方法可以处理涉及完整和非完整机器人的多种交互方案。

Feil-Seifer说：“实际上，这份初始论文证明了这种方法至少可以在模拟环境中起作用。” “后来的工作已经在现实世界和各种各样的社会场景中证明了这一点，这些场景同时考虑了其他人和与机器人环境有关的因素（例如，感兴趣的地方，墙上的画），这些因素也与社会意识有关。”。

总体而言，Feil-Seifer和他的同事所做的工作突出表明，有必要开发工具以提高机器人的社会意识，以确保它们不会使人们感到不舒服，从而促进他们融入社会。将来，他们开发的非线性优化方法最终可以简化办公室，医院和其他各种环境中移动机器人的采用。

“我们现在正在继续扩展我们的社交意识导航（SAN）计划程序的功能，以包括更广泛的社交互动，以更好地了解社交环境，从而可以正确地确定要优先考虑的目标，并使系统发挥更大的作用。” Feil-Seifer说。“我们还计划研究社交感知导航对观察交互的人们的直接影响以及它如何影响他们对机器人的感知，因为这将有助于验证社交感知导航的必要性。”