基于非对称高斯函数的个人/群组动态舒适空间建模

设计了一种基于非对称高斯函数的动态舒适空间模型.首先利用人的运动状态信息来确定不同速度下的个人舒适空间的形状.然后考虑到性别、年龄等个人社会属性特征的差异性,提出一个可扩展的模糊推理框架来定义个性化的舒适空间大小.在对单人的舒适空间建模的基础上,提出了共同关注区域的概念并通过最小覆盖圆算法对行人群组进行分析,构建群组的舒适空间.在实验部分对所提出动态舒适空间模型进行了定性与定量的分析与评价,验证了该模型的合理性.

考虑共同关注区域静态交谈群组检测的机器人导航及行为评价

针对静态交谈群组,提出了一种基于共同关注区域的F型社交关系(F-formation)检测算法。该算法将行人的位置、方向作为输入构造群组的共同关注区域,采用一个基于滑动窗口的最大值滤波器检测群组中心,然后根据群组中心进行群组聚类。在实现静态交谈群组检测的基础上,构造群组舒适空间,并基于多层代价地图机制将群组舒适空间模型应用于时间依赖的A*路径规划算法,实现了考虑群组舒适的移动机器人导航。除此之外,具有社交感知能力的机器人导航行为给予人的舒适感受难以定量评价,本文搭建了一个基于图卷积网络的机器人行为评价模型。实验结果显示该评价网络达到了与人类相似的机器人行为评价能力,可视化分析结果显示了评价网络结果的合理性。通过评价网络对机器人轨迹进行评估,发现考虑静态交谈群组的机器人能够产生更加满足人类舒适感受的运动轨迹。