研究动机：移动机器人进入人行道等公共空间时，必须关注行人的舒适度。现有研究多关注行人的客观安全（如避障算法），但较少考虑行人的主观安全或舒适感。量化舒适度是主要挑战，阻碍了移动机器人理解和响应人类情感。
核心方法：
- 通过实证研究探索移动机器人与行人交互的运动学(kinematics)参数与主观舒适度之间的关系。
- 进行一对一的实验，每次实验涉及一个移动机器人和一名志愿者。
- 对行人报告的舒适度与运动学变量进行统计分析。
- 基于实证结果设计了三个舒适度估计器/预测器：基于最小距离(minimum distance)、基于最小投影碰撞时间(minimum projected time-to-collision)以及一个复合估计器(composite estimator)。
- 复合估计器使用了所有研究的运动学变量。
核心创新点：
- **首次通过实证方法系统量化移动机器人与行人交互中的舒适度**：与以往主要关注客观安全（如碰撞避免）的研究不同，本研究将主观舒适度作为核心评价指标。
- **建立了交互运动学参数与主观舒适度的统计关联**：发现了大多数运动学变量与报告的舒适度之间存在中等但显著的相关性，为舒适度建模提供了数据基础。
- **开发了基于多变量的复合舒适度预测器**：该预测器综合了多个运动学变量，其预测准确率和分类性能在所有预测器中最高（优势比(odds ratio)为3.67），实现了对行人舒适状态的有效识别。
总体贡献：
- 为将行人情感（舒适度）纳入移动机器人路径规划(path planning)提供了量化的评估工具（舒适度量化器(comfort quantifier)）。
- 推动了更符合社会规范(socially compliant)的机器人发展，使机器人不仅能避免物理碰撞，还能考虑行人的心理感受。
- 研究方法和预测模型为后续在人机交互(human-robot interaction)中集成主观体验指标提供了可行范例。