企业官网建设流程全解析

摘要

本文解读 IROS 2026 论文《Beyond Fixed Goal Delivery: Online POMDP Planning for Target Interception in Crowds》。该论文提出人群中的目标拦截（Target Interception in Crowds，TIC）问题，把"机器人主动追上并拦截正在移动的收件人"建模为部分可观测马尔可夫决策过程（POMDP），通过融合人类意图信念推断、在线树搜索与两类动作空间构造，在完全相同的感知、信念、奖励与算力预算下做受控对比，其特别之处在于把动作空间结构当成唯一自变量单独隔离出来测量。实验表明在 200 人高密度场景下，联合选择转向与速度的 ESP 安全成功率达到 97%，比路径-速度解耦的 P-LSP 高出 31 个百分点，并把平均拦截时间从 90.9 s 压到 63.3 s（少约 44%）；而且在目标状态只能被间歇观测时，这一结构优势依然成立，为人群导航与移动目标拦截提供了重要借鉴。

视频讲解：点击观看 B 站视频

论文基本信息

背景与动机

传统配送假设收件人待在固定地点等待，于是任务被简化为"到点即达"的导航问题。但在医院、机场这类人流密集的场所，更高效的策略是让机器人主动追上并拦截移动中的目标——这正是本文定义的 TIC 问题。难点在于两重不确定性同时存在：目标自身在移动，而周围行人各自抱着不可观测的意图。

• 移动目标拦截的历史局限：既有工作大多假设环境静态，或把动态障碍视为已知确定量。基于 Dubins 曲线的时间/长度最优拦截在曲率受限条件下给出解析解，但缺少拥挤环境；Qu et al.（ACC 2022）提出"先预测目标轨迹 → 选拦截点 → 规划路径 → 用时空图调速"的流水线，性能依赖轨迹预测是否可靠，无法处理密集的意图驱动交互。
• 人群导航下的意图不确定性：Bai et al.（ICRA 2015）首次把在线 POMDP用于人群中自动驾驶，确立有限空间规划（Limited Space Planning，LSP）范式——先算一条路径，再沿路径调速；Gupta et al.（AAMAS 2022）提出扩展空间规划（Extended Space Planning，ESP），让在线树搜索同时决定转向与速度，但目标是固定点。
• 联合优化类方法：MPC 与开环反馈控制方法也同时优化朝向与速度，但每个决策周期只计算一条开环轨迹，不像树搜索那样在多种人类反应上做闭环分支。
• 本文要填的缺口：现有工作从未检验"路径-速度解耦"这一结构假设，在动态拦截场景下会随人群密度上升如何失效。

从历史脉络看（对应附录 H），这条线经历了四步：2015 年 LSP 成为人群导航的默认范式 → 2022 年 ESP 让转向与速度一起进入搜索、但目标仍是固定点 → 2023–2025 年一批工作用学习价值近似或联合优化扩展人群导航、仍未处理移动目标 → 2026 年本文把 ESP 迁移到动态拦截，并给出路径受限与联合搜索的受控结构对比。

为什么动作空间表达力对拦截尤为关键？因为人群造成的延迟决定了"何时、何地"能完成截获，一旦朝向被冻结在参考路径上，时间与空间决策就解耦失败；而在固定算力下搜索只能覆盖动作空间的稀疏子集，动作空间的形状直接决定能不能发现绕行机动。

实验协议上（对应附录 B），每个"规划器 × 人群密度"组合跑500 次配对试验，三条臂共享同一目标与行人初始化以及同一批运动实现，因此可以做配对统计比较；一次试验在机器人进入1 m 截获半径时记为成功，在 300 s 超时或撞上工作区边界时终止；机器人在移动状态下进入任何行人1 m安全范围内记一次接近违规，违规不终止试验但计入安全成功率。为维持恒定密度，行人到达目标后被移除并沿边界重生、新目标取在对侧；机器人从左下角出发、目标从右上角出发，保证每次都必须穿越人群。

研究主线：从问题到结论

图 7：TIC 研究主线（Mermaid 流程图）。从"人群中主动拦截移动目标"的问题出发，经"路径-速度解耦够用吗"的动机、"受控对比三条规划臂"的设计，到同一 ARDESPOT 求解器下的方法对比，最终在 4 档密度 × 500 配对试验的实验设置上得到"空间受限规划在高密度下失效"的结论。

基准/方法设计

论文的核心设计是受控隔离：三条规划器共享同一套信念表示、求解器参数、奖励模型与算力预算，唯一变化的变量是动作空间如何暴露给在线树搜索。

• R-LSP（Reactive LSP）：Hybrid A* 先算出一条运动学可行路径，朝向随之被冻结；树搜索只在这条路径上选择速度更新 $\delta_v \in {-0.5, 0, 0.5}$ m/s，路径生成时用保守的膨胀安全边界吸收人类意图不确定性。
• P-LSP（Predictive LSP）：在 R-LSP 基础上，路径规划阶段按目标动力学把目标状态外推，朝预测的未来位置规划路径——这是 LSP 的加强版，用来检验"失败是不是因为路径规划器不够好"。
• ESP（Extended Space Planning）：取消参考路径约束，树搜索直接选择转向角（7 个离散值 $\in[-\phi_m, \phi_m]$）与速度更新，朝向在搜索过程中自适应；为了控制分支因子，速度分支只在 $\phi = 0$ 时开放。
• 公平性约束：LSP 最多给路径生成分配 0.1 s，超时则沿用上一周期的路径；ESP 把完整的 0.5 s 预算投给树搜索。三条臂的 rollout 使用完全相同的行人接近度速度调制策略，因此空间行为的差异只能来自动作空间本身。

图 1：TIC（Target Interception in Crowds）任务场景。白色为机器人，黄色为需要拦截的移动目标，黑色为行人；机器人只能在有限感知区域内观测行人，并用彩色信念条表示对每个行人意图的估计。上图为俯视图，下图为同一场景的透视视角。

分类全景

图 8：三类规划器分类全景（Mermaid 流程图）。三条规划臂共享信念表示、奖励模型与 0.5 s 算力预算；LSP 家族又分为路径指向当前目标的 R-LSP 与路径指向预测目标的 P-LSP，ESP 则用 7 个转向值 × 3 个速度更新做联合搜索。

方法细节

TIC 被形式化为 POMDP 元组 $(S, A, Z, T, O, R, \gamma)$。状态由三部分组成：机器人状态 $s_R$、目标状态 $s_T$ 与 $N$ 个附近行人状态 ${s_H^i}$，其中每个行人带有不可观测的意图变量 $g_i$（离散候选目标点）。机器人对每个行人维持一个类别信念分布 $b_i(g)$，初始为均匀分布，之后按贝叶斯规则更新：$b_{t+1}(s') \propto O(s', a_t, z_{t+1}) \sum_{s \in S} T(s, a_t, s') b_t(s)$。

• 运动学与动作：机器人是车式模型 $s_R=(x_R, y_R, \theta_R, v_R)$，控制量为转向角 $\phi_R$ 与速度增量 $\delta_v$，速度按 $v_R \leftarrow \mathrm{clip}(v_R + \delta_v, 0, v_m)$ 更新，朝向按 $\dot{\theta}_R = (v_R / L)\tan\phi_R$ 演化，其中轴距 $L = 0.75$ m、最高速度 $v_m = 2$ m/s、最大转向角 $\phi_m = 0.475$ rad；目标按恒定速度与恒定转向率运动，行人恒速朝各自目标点行进。
• 奖励设计：成功拦截获得终端奖励，撞上工作区边界罚 $R_{obs}$，在移动状态下进入行人安全距离 $d_s$ 触发接近惩罚 $R_h$（采用 not-at-fault 形式，静止时不计罚），选择急刹动作罚 $R_{SB}$，每步再扣一个 $R_{step}$ 以促使尽快完成拦截。
• 在线树搜索：使用 POMDPs.jl 中的ARDESPOT在线求解，决策周期 $\Delta t = 0.5$ s、运行频率 2 Hz，规划与执行在时间上重叠；每个节点从当前信念采样 $K = 50$ 个情景，只把最近的 $N = 6$ 个行人纳入搜索以聚焦安全关键交互，叶子节点用 rollout 仿真估计长时域价值。
• rollout 策略：奖励稀疏（只有截获才给正奖励），因此两条臂都需要主动朝目标推进的 rollout。LSP 的 rollout 沿参考路径、用"远于 $D_{far}$ 加速、近于 $D_{near}$ 减速"的反应式控制器调速；ESP 的 rollout 在同样的速度调制之外，把每个候选转向命令与选定速度组合并前向仿真 $\Delta t$，选择让机器人最接近外推目标状态的动作。
• 稀疏观测的处理：机器人、目标与行人位置在建模中被视为无噪观测，以隔离意图不确定性；观察空间在 ARDESPOT 中按 2 m 的空间分辨率离散化，因为该求解器要求离散观测。

图 2：两条臂搜索树的对比。左为 LSP——先算出到预测目标位置的路径（虚线），树搜索只能沿该路径选速度，遇到与行人的碰撞时只能减速；右为 ESP——搜索探索多条空间轨迹，找到无碰撞状态后用 rollout 评估，最终选择右转绕行。

实验设计与结果

实验在50 m × 50 m 无障碍工作区中进行，机器人采用上述自行车模型，人群规模取 $N_h \in {50, 100, 150, 200}$ 四档，行人恒速朝四个角落之一行进、目标以恒定转向率运动。主研究假设目标状态完全可观测；次级研究则用 15 m、180° 视场的探测器加 10% 漏检概率提供间歇观测，再用 1000 个粒子的序贯重要性重采样（SIR）粒子滤波维护目标状态信念，规划器只使用最大后验（MAP）粒子作为目标状态。每条臂在每个密度下各跑 500 次配对试验。

在低密度（50 人）下三条臂几乎重合，但从 100 人起差距单调扩大。主研究中 200 人时，ESP 与 P-LSP 的成功率仍有 98% 与 96%，但安全成功率分化为 97% 与 66%（相差 31 个百分点）、R-LSP 仅 44%；拦截时间上 ESP 平均63.3 s，P-LSP 为90.9 s，即 ESP 少用约 44% 的时间。次级研究中所有规划器成功率下降（目标只能靠估计），但 ESP 的结构优势保留：安全成功率87%对 P-LSP 的 56%；200 人时 ESP 平均 98.2 s 完成拦截，P-LSP 需 113.1 s、R-LSP 需 132 s。

图 3：主研究（目标完全可观测）。左至右分别是成功率、安全成功率与截获时间随人群密度的变化。安全成功率最能说明问题——R-LSP 一路下滑、P-LSP 明显落后，而 ESP 几乎保持水平。

图 4：次级研究（间歇观测 + 粒子滤波 MAP 估计）。整体曲线下移一档，说明目标估计误差会损害所有规划器，但 ESP 相对两条 LSP 的结构性优势依然成立。

图 5：次级研究运动学特征。在空闲时间、平均速度、急刹次数三个指标上 ESP 都优于两条 LSP，而它的行驶距离更长、拦截反而更快，说明它是持续机动而不是走走停停。

图 6：次级研究中使用 ESP 的一次代表性拦截试验快照（第 5、15、30、50、60 秒）。红点为粒子滤波信念、橙色曲线为机器人实际轨迹；机器人一路穿过密集人群逼近目标并完成拦截。

结果对比总结

图 9：结果对比总结（Mermaid 流程图）。LSP 路径受限在 200 人时安全成功率为 44%–66%，ESP 联合搜索为 97%；ESP 的空闲时间更短、均速更高、急刹更少，主研究拦截时间 63.3 s 对 90.9 s，少约 44%。

关键发现

• 安全成功率的分化最剧烈：200 人时 ESP 的安全成功率 97%，P-LSP 66%、R-LSP 44%——ESP 比 P-LSP 高31 个百分点，比 R-LSP 高53 个百分点。
• 时间效率同样拉开：主研究中 ESP 平均63.3 s完成拦截，P-LSP 需要90.9 s，即路径受限规划多花约 44% 的时间；次级研究中 ESP 98.2 s、P-LSP 113.1 s、R-LSP 132 s。
• 预测性路径规划只能补回一部分：给路径规划器加上目标外推（P-LSP）后，安全成功率从 R-LSP 的 44% 升到 66%，但仍显著低于 ESP 的 97%，说明负载的是"朝向被冻结"这一结构假设，而不是路径规划器的质量。
• 结构效应是密度驱动的：50 人时三条臂几乎重合，差距从 100 人起单调扩大，符合受控实验对"单一变量起作用"的预期，而非调参噪声。
• 估计误差下结论仍成立：次级研究中所有规划器成功率下移，但 ESP 相对 LSP 的优势保留（安全成功率 87% 对 56%），说明结论不依赖目标状态是否完美可观测。
• 运动行为可解释：ESP 空闲时间更短、平均速度更高、急刹次数更少，同时行驶距离更长——受限的动作空间迫使规划器保守与反复刹车，而联合搜索能维持连续前进。

从顶会创新模式的角度（对应附录 C），这篇论文主要命中三条信号：① 设计混淆隔离诊断——构建一个只隔离"动作空间结构"这一个混淆变量的测量装置，其余感知、信念、奖励与算力全部固定，证据是 500 次配对试验 × 4 档密度、差距随密度单调扩大；② 审计并扭转负载假设——识别人群导航领域继承的"路径-速度分解足够"假设并把它违反，同时把失败追溯到结构机制（朝向冻结后无法在延迟出现时重选空间轨迹）；③ 替换算子或表示——用转向-速度联合动作表示替换"路径 + 一维速度"。整体上，它的执行质量来自配对、单调密度曲线与跨观测设定复现这三重证据。

局限性

• 无静态障碍：实验场地是 50 m × 50 m 的空场地，静态障碍与动态人群耦合时的表现尚未验证。
• 观测被简化：机器人、目标与行人的位置假设为无噪观测，这是为了刻意隔离意图不确定性；真实传感器噪声会同时作用于三条臂，可能改变绝对数值。
• 动作空间仍为离散：因为 ARDESPOT 对连续或很大的动作空间处理起来吃力，转向与速度都做了离散化，连续动作下的分支因子没有被刻画。
• 结论来自仿真：全部结果来自仿真环境，没有真机验证；行人模型是恒速目标导向加有界噪声的基本形式，未覆盖 Social Force 或 PORCA 等更复杂的运动模型。
• 论文表述口径的两处瑕疵：R-LSP 在主研究下的截获时间只出现在图中、正文只引用了 ESP 与 P-LSP 的数字；摘要里"31 percentage points lower"没有写明比较对象是 P-LSP 而不是 R-LSP。引用这两组数字时需要注意对应关系。

常见问题（FAQ）

TIC 和传统的移动目标拦截有什么不同？

传统拦截（如 Dubins 最优拦截、predict-then-intercept 流水线）大多假设环境静态或动态障碍已知；TIC 把人群的意图不确定性和移动目标放进同一个 POMDP，机器人要同时处理"追移动目标"和"躲意图不可观测的行人"两件事。

为什么"先规划路径再调速"在人群密集时会失效？

因为它把朝向冻结在搜索之外。人群造成的延迟会不断改变"何时、何地"能截获目标，而朝向不可调时，规划器只能用调速在人与人之间找缝隙，树搜索里可达的状态集合被限制。即使加上目标预测（P-LSP），安全成功率也只从 44% 升到 66%，仍显著低于联合搜索的 97%。

ESP 比 LSP 到底强在哪里？有量化证据吗？

强在动作空间的表达力。200 人时 ESP 安全成功率97%，而 P-LSP 为 66%、R-LSP 为 44%；主研究平均拦截时间63.3 s对90.9 s（少约 44%）；次级研究中 ESP 的空闲时间更低、平均速度更高、急刹次数更少，同时行驶距离更长却拦截更快。

目标状态看不见时结论还成立吗？

成立。次级研究用 15 m、180° 探测器加 10% 漏检率提供间歇观测，再经 1000 粒子 SIR 滤波，规划器只拿到 MAP 估计。所有规划器成功率都下降，但 ESP 对 LSP 的结构性优势保留：安全成功率 87% 对 56%，平均拦截时间 98.2 s 对 113.1 s。

这个结论可以推广到连续动作空间或真机吗？

论文没有给出结论。作者明确指出，动作空间仍是离散化的，因为所用求解器（ARDESPOT）对连续或大动作空间处理吃力；同时实验全部在仿真中完成，未做真机验证。作者给出的下一步是扩展到含静态障碍的环境，这需要碰撞感知、面向拦截的 rollout 策略，而并行运动规划或许能让这类策略在在线预算内实时生成。

这篇论文的写法有什么值得借鉴的地方？

它用场景化开场（从送货机器人去找在病房之间移动的医生，到机场人群里把订单直接交给顾客）建立直觉，再用反问式设问点出研究问题（动作空间结构会如何影响在线树搜索在密集人群拦截中的效果），最后用受控对比兑现承诺；措辞上证据密度很高（直接给出 98%、96%、73% 这组成对数字），断言式表述没有 hedge，并精确锚定规模（最多 200 人、每组合 500 次试验）。

参考链接

• 论文 arXiv 摘要页：arxiv.org/abs/2607.18517
• 项目主页（含视频与 BibTeX）：tic-planning.github.io
• Gupta, Hayes, Sunberg.Intention-Aware Navigation in Crowds with Extended-Space POMDP Planning. AAMAS 2022：arxiv.org/abs/2206.10028
• Egorov, Sunberg, Balaban, et al.POMDPs.jl: A Framework for Sequential Decision Making under Uncertainty. JMLR 2017：jmlr.org/papers/v18/16-300.html
• Guez, Silver, Dayan.DESPOT: Online POMDP Planning with Regularization. JAIR 2016：doi.org/10.1613/jair.5328

给大家推荐一款自用写文献综述、无虚构文献的 AI：

🌟复旦大学 FudanNLP 团队自研 切问学术

官网：qiewenpaper.com

覆盖3.6 亿篇可溯源真实中英文文献，能自动整合文献观点生成规范综述

还能挖掘研究创新点、复现实验，配合视频教学，新手快速上手文献综述写作

🍀后记🍀

博客的关键词集中在编程、算法、机器人、人工智能、数学等等，持续高质量输出中。

🌸讨论QQ群：白拾的小屋 (750365700)

⭐B站账号：白拾的物理AI组会（活跃于知识区和动画区）

✨GitHub主页：YhbCode000（工程文件）