無論是紐約市市長為了政治需要驅逐機器人的發言，還是海底撈機器人服務員的勤奮，不止一次的事件提醒我們，機器人隨著時代的洪流而至，作為被接受的人類，應該去注意機器人與人在社交中的關系。服務機器人和移動機器人正在逐步進入許多人口稠密的環境，KUKA機器人維修，包括醫院，購物中心和人們的住所。為了使這些機器人與周圍環境中的人類互動，他們（機器人設計者）應該尊重與他人共享給定環境相關的許多潛規則。
國外就針對于此有相關的研究，例如考慮到這一點，內華達州里諾大學的研究人員最近開發了一種非線性，多目標優化方法，該方法可以在移動機器人中實現具有社交意識的導航。這種方法最早在2019年國際機器人與系統大會（IROS）上發表的一篇論文中有過概述，現在在arXiv上發表，它確保了機器人不會侵入周圍人的個人空間，同時還可以使人機更有效在幾種情況下的交互（HRI）。
“這項研究最初是在我的主論文中對機器人和兒童進行研究的一部分，后來發現其極具前景”進行這項研究的研究人員之一David Feil-Seifer說。“早期的工作涉及為我們希望機器人與孩子互動的環境開發機器人。在這種情況下，我們通過機器人路徑規劃中常用的指標，使機器人走最“高效”的道路（以最大程度地減少時間）運動，使行進的距離最小化，以及不會撞到任何東西。”
也是早先在先前發表在《人機交互》上的一項研究中，Feil-Seifer和他的同事試圖為兒童居住的環境開發機器人導航行為。試點工作表明，機器人可以有效地到達期望的位置而不會撞到任何東西，機器人維修，但是研究人員觀察到，兒童通常對機器人的反應和觀感較差。實際上，實驗中使用的機器人通常會遠離兒童，并盡可能快地朝其期望的位置移動。但由于這種行為，孩子們認為機器人不想與他們互動。
Feil-Seifer說：“我們觀察了機器人后發現，它并沒有真正改變人們的行為方式，它只是學習吸收了社交信息，并利用它來幫助進行路徑規劃和行為規避動作。” “因此，我們決定制作一個導航計劃器，該計劃器可以使用社交距離信息來執行社交上適當的運動。”
在原先同一項先前的研究中，Feil-Seifer和他的同事使用一種稱為高斯混合模型（GMM）的簡單數學方法，m.dekuna.com，把社會關系理解為簡單的線性數學模型，成功地使機器人確定了計劃的運動是否符合社會要求。在機器人可以使用簡單的線性數學模型輕松理解和表示社會因素的情況下，此方法效果很好。但是，由于大多數現實世界中的社交互動都涉及多個難以在線性模型中擬合交叉的因素，這導致他們開發的簡單方法無法在不同的社交環境中很好地推廣，并且在許多情況下根本無法奏效。
因此，在他們的新研究中，研究人員決定更新他們先前開發的計劃程序，以優化機器人的計劃動作，并考慮到他們希望機器人考慮的，各種社會屬性之間的非線性關系。這涉及使用啟用了帕累托凹面消除變換（PaCcET）的計劃程序。
“我們方法的主要優勢在于，它可以利用各種社會因素之間的非線性關系（例如，您在走廊上的位置，與其他人的關系，與目標的距離等） 。），” Feil-Seifer說。Feil-Seifer和他的同事們將非線性優化方法應用于幾種情況，在這幾種情況下，機器人必須尊重社會規范，例如，不得侵犯人們的個人空間。他們發現他們的方法在許多情況下都很好用，包括在走廊，美術館或在提示時的互動，會主動禮讓和交互。
移動機器人正在加入在門口場景前方形成的提示。傳統的計劃者生成紅色軌跡，將機器人引導到第一人稱（不適當的人）旁邊的位置，并切斷線。我們建議的方法是藍色軌跡，使機器人（適當地）加入生產線。圖片來源：Banisetty等。
Feil-Seifer說：“我們還沒有與其他具有社會意識的導航計劃者進行直接比較；但這是為未來計劃的。” “但是，與不考慮社交動態的傳統計劃者相比，該機器人在走廊上經過時會給人更多的空間，同時還能繼續朝著理想的目標前進。”
在最近的研究中，研究人員在模擬的PR2機器人的二維模擬中以及在先鋒3DX移動機器人的現實世界中評估了他們的方法。他們的發現表明，他們的方法可以處理涉及完整和非完整機器人的多種交互方案。
Feil-Seifer說：“實際上，這份初始論文證明了這種方法至少可以在模擬環境中起作用。” “后來的工作已經在現實世界和各種各樣的社會場景中證明了這一點，這些場景既考慮了其他人又考慮了與機器人交互環境有關的因素（例如，感興趣的地方，例如墻上的繪畫），這些因素也與人們的社會意識有關。 ”。
總體而言，Feil-Seifer和他的同事所做的工作突出表明，有必要開發工具以提高機器人的社會意識，以確保它們不會使人們感到不舒服，從而促進他們融入社會。將來，他們開發的非線性優化方法最終可以簡化辦公室，醫院和其他各種環境中移動機器人的使用。
“我們現在正在繼續擴展我們的社交意識導航（SAN）計劃程序的功能，以包括更廣泛的社交互動，以更好地了解社交環境，從而可以正確地確定要優先考慮的目標，并使系統發揮更魯棒，也有更大的作用。” Feil-Seifer說。“我們還計劃研究社交感知導航對觀察交互的人們的直接影響以及它如何影響他們對機器人的感知，因為這將有助于驗證社交感知導航的必要性。”