这篇被 IEEE/RSJ 国际智能机器人与系统会议（IROS 2026）接收的论文由 Cong-Thanh Vu 与 Yen-Chen Liu 撰写，2026 年 7 月 1 日提交至 arXiv（编号 arXiv:2607.01287v1，主分类为机器人学 cs.RO，交叉分类包括人工智能 cs.AI 与系统与控制 eess.SY），研究主题是社交机器人在同行陪伴过程中如何应对人群队形的动态变化。作者指出，陪伴一群人是机器人发展类人社会认知的重要环节，但现实中的群体很少保持固定队形，成员会不断走动、时而分散时而聚拢，这给机器人维持自然、得体的陪伴行为带来了显著挑战。
为应对这一问题，论文提出了一种基于视觉-语言模型（VLM）的自适应群体陪伴方法，核心思路是借助 VLM 的语义推理能力来推断机器人在群体中合适的陪伴位置、维持恰当的社交距离并理解群体动态。在系统流程上，方法首先检测群体成员，随后由感知模块生成交互群体空间的视觉表示，作为 VLM 的输入；VLM 输出的决策再与模型预测路径积分（MPPI）控制器结合，由后者保证运动的稳定性与安全性，从而将高层的语义理解与低层的运动控制衔接起来。
实验部分覆盖五种不同场景，结果显示该方法能有效陪伴群体移动：与基线方法相比，成功率提升了 15%，碰撞率降低了 25%。除量化指标外，作者还开展了用户研究，结果表明受试者认为机器人所表现出的陪伴行为自然且符合社会规范。这一结果说明，该方案不仅在技术指标上占优，在人类主观感受层面也具备可接受的社交适当性。
总体而言，该工作将视觉-语言模型的语义推理引入群体陪伴机器人这一社会机器人子问题，并以 MPPI 控制器保障安全运动，为机器人在非结构化、动态变化的人群环境中实现自然陪伴提供了可行路径。论文的完整版本可通过 arXiv 与 DOI（10.48550/arXiv.2607.01287）获取，提交时间为 2026 年 7 月 1 日 10:24:14 UTC。