无论是纽约市市长为了政治需要驱逐机器人的发言，还是海底捞机器人服务员的勤奋，不止一次的事件提醒我们，机器人随着时代的洪流而至，作为被接受的人类，应该去注意机器人与人在社交中的关系。服务机器人和移动机器人正在逐步进入许多人口稠密的环境，KUKA机器人维修，包括医院，购物中心和人们的住所。为了使这些机器人与周围环境中的人类互动，他们（机器人设计者）应该尊重与他人共享给定环境相关的许多潜规则。

　　国外就针对于此有相关的研究，例如考虑到这一点，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。这种方法最早在2019年国际机器人与系统大会（IROS）上发表的一篇论文中有过概述，现在在arXiv上发表，它确保了机器人不会侵入周围人的个人空间，同时还可以使人机更有效在几种情况下的交互（HRI）。
 

　　“这项研究最初是在我的主论文中对机器人和儿童进行研究的一部分，后来发现其极具前景”进行这项研究的研究人员之一David Feil-Seifer说。“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。在这种情况下，我们通过机器人路径规划中常用的指标，使机器人走最“高效”的道路（以最大程度地减少时间）运动，使行进的距离最小化，以及不会撞到任何东西。”

　　也是早先在先前发表在《人机交互》上的一项研究中，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，机器人维修，但是研究人员观察到，儿童通常对机器人的反应和观感较差。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。但由于这种行为，孩子们认为机器人不想与他们互动。

　　Feil-Seifer说：“我们观察了机器人后发现，它并没有真正改变人们的行为方式，它只是学习吸收了社交信息，并利用它来帮助进行路径规划和行为规避动作。” “因此，我们决定制作一个导航计划器，该计划器可以使用社交距离信息来执行社交上适当的运动。”

　　在原先同一项先前的研究中，Feil-Seifer和他的同事使用一种称为高斯混合模型（GMM）的简单数学方法，www.zr-kuka.com，把社会关系理解为简单的线性数学模型，成功地使机器人确定了计划的运动是否符合社会要求。在机器人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。但是，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交叉的因素，这导致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。

　　“我们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，您在走廊上的位置，与其他人的关系，与目标的距离等） 。），” Feil-Seifer说。Feil-Seifer和他的同事们将非线性优化方法应用于几种情况，在这几种情况下，机器人必须尊重社会规范，例如，不得侵犯人们的个人空间。他们发现他们的方法在许多情况下都很好用，包括在走廊，美术馆或在提示时的互动，会主动礼让和交互。

　　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：“我们还没有与其他具有社会意识的导航计划者进行直接比较；但这是为未来计划的。” “但是，与不考虑社交动态的传统计划者相比，该机器人在走廊上经过时会给人更多的空间，同时还能继续朝着理想的目标前进。”

　　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，这些场景既考虑了其他人又考虑了与机器人交互环境有关的因素（例如，感兴趣的地方，例如墙上的绘画），这些因素也与人们的社会意识有关。 ”。

　　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使用。

　　“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，并使系统发挥更鲁棒，也有更大的作用。” 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。”