摘要
人机交互（HRI）和在拥挤室内空间的导航要求机器人不仅要推理人类可能的位置，还要推理不确定的人类运动是否与机器人的预期路径发生冲突。现有的上下文感知粒子滤波（CA-PF）通过在有遮挡、漏检和近距离交互的情况下维持多模态人类状态不确定性，提供了一个有用的信念估计骨干。然而，导航层必须进一步将此信念转化为路径感知风险，并确定何时需要重新规划。本文通过三个导航模块扩展了 CA-PF 框架：一个评估加权人类粒子相对于已确定的机器人路径的路径冲突风险模块，一个结合粒子占据率、人类运动方向和冲突可能性的方向交互感知风险网格，以及一个当冲突、方向路径风险或风险增长超过安全阈值时更新路径的信念感知事件触发重新规划策略。在 Bi3 数据集的四个序列上的评估显示，平均人类跟踪误差为 0.237 米，均方根误差为 0.308 米。在消融研究中，相对于没有事件触发重新规划的配置，完整框架将平均路径冲突风险降低了 25.2%，将平均方向路径风险降低了 42.35%，在 12 次匹配试验中平均。这些结果表明，将粒子级的人类信念传播到路径冲突推理、方向风险感知规划和选择性重新规划中，可以提高在动态人类环境中对交互风险的处理能力。
