Socially-Aware Shared Control Navigation for Assistive Mobile Robots in the Built Environment

随着残疾人数量的增加，特别是那些有一个或多个身体障碍的人，对能够支持建筑环境中独立移动并减轻照顾者负担的辅助机器人技术的需求越来越大。目前的辅助移动平台（例如机器人轮椅）往往无法融入用户的偏好和控制，导致信任和效率降低。现有的共享控制算法不允许将用户控制偏好纳入导航框架或路径规划算法中。此外，现有的机器人轮椅动态局部规划算法没有考虑到人们的社交空间，可能导致这些平台侵犯这些区域并引起不适。为了解决这些问题，本研究介绍了一种新颖的基于共享自主性的辅助移动机器人平台社交感知导航系统。我们的导航框架包括全局规划器和局部规划器。为了实现全局规划器，所提出的方法在其全局规划框架中引入了一种新颖的用户偏好场（UPF）理论，明确承认用户偏好以巧妙地避开拥挤区域。对于局部规划器，我们提出了一种基于社交感知共享控制的模型预测控制与动态控制障碍函数（SS-MPC-DCBF）来实时调整移动，集成用户偏好以实现更安全、更自主的导航。评估结果显示，与基准相比，我们的全局规划器与用户偏好密切相关，我们的局部规划器在动态和静态情况下表现出更高的安全性和效率。这种综合方法促进了信任和自主性，对于建筑环境中辅助移动技术的接受至关重要。

论文旨在解决当前辅助机器人技术中缺乏用户偏好和控制的问题，导致降低了用户对辅助机器人的信任和效率，同时还存在动态局部规划算法不考虑人类社交空间的问题。

论文提出了一种新的基于共享自主导航系统的辅助移动机器人平台，其中包括全局规划器和局部规划器。全局规划器引入了用户偏好场理论，以避开拥挤区域，并与用户偏好紧密对齐。局部规划器采用基于动态控制障碍函数的社交共享控制模型预测控制，实时调整移动，整合用户偏好以实现更安全、更自主的导航。

论文通过实验验证了全局规划器与用户偏好的紧密对齐，以及局部规划器在动态和静态场景下实现了更高的安全性和效率。论文的亮点在于提出了用户偏好场理论和基于动态控制障碍函数的社交共享控制模型预测控制。

近期的相关研究包括：1. “A Socially-Aware Navigation Framework for Mobile Robots in Crowded Environments” 2. “A Shared Control Framework for Assistive Robotic Wheelchairs in Dynamic Environments” 3. “Socially-Aware Robot Navigation: A Learning-Based Approach”