适应群体跟随机器人的陪伴：处理动态变化的群体形态
本文提出一种基于视觉语言模型（VLM）的适应性群体陪伴方法，使机器人能够跟随动态变化的人类群体。该方法利用VLM的语义推理能力推断同伴位置、保持社交距离并理解群体动态，结合模型预测路径积分（MPPI）控制器确保稳定性和安全性。实验表明，该方法在成功率上提升15%，碰撞率降低25%，用户研究认为其陪伴行为自然且符合社交规范。
近日，一篇发表在arXiv上的研究提出了一种基于视觉语言模型（VLM）的适应性群体陪伴方法，旨在让机器人能够更加自然地跟随动态变化的人类群体。该研究由Cong-Thanh Vu和Yen-Chen Liu完成，已被IEEE/RSJ国际智能机器人与系统会议（IROS 2026）接收。
在社交机器人领域，陪伴人类群体是一个关键能力，但人类群体通常不会保持固定的队形，这给机器人维持自然的陪伴行为带来了挑战。现有方法往往难以适应群体形态的实时变化，导致机器人的行为显得生硬或不安全。
为此，研究人员提出了一种基于VLM的框架。首先，系统检测群体中的每个成员，并通过感知模块生成交互群体空间的视觉表示。这些视觉表示被输入到VLM中，VLM利用其强大的语义推理能力来推断合适的陪伴位置、维持适当的社交距离，并理解群体动态的变化。随后，模型预测路径积分（MPPI）控制器根据VLM的输出规划机器人的运动轨迹，确保稳定性和安全性。
实验在五个不同的场景中进行了评估，包括直线行走、转弯、分散与聚合等常见群体行为模式。与基线方法相比，该方法在成功陪伴率上提升了15%，碰撞率降低了25%。此外，一项用户研究邀请了20名参与者对机器人的陪伴行为进行评价，结果显示参与者普遍认为机器人产生的行为是自然且符合社交规范的。
这项研究的意义在于，它首次将视觉语言模型引入群体陪伴任务，充分利用了VLM在语义理解方面的优势，同时结合了MPPI控制器的实时规划能力，为社交机器人在动态群体环境中的自然交互提供了新的解决方案。未来，该技术有望应用于导览机器人、陪伴机器人以及服务机器人等场景，提升人机协作的流畅性和安全性。