- 现有移动服务机器人与行人共存的紧急疏散场景中，**被动安全(passive safety)** 至关重要，但当前方法仅关注**碰撞避免(collision avoidance)** 和宏观流优化，忽略了环境可供性(environmental affordances)与人类空间期望(human spatial expectations)
- 多机器人避让策略(multi-robot yielding strategies)的研究缺乏微观心理感知层面的考量，导致宏观理论与微观行为之间存在鸿沟
- 研究背景：随着服务机器人进入公共场所，必须设计符合人类认知预期的避让行为，而不仅是效率优先的路径规划
- 设计并实施**游戏化虚拟疏散实验(game-based virtual evacuation experiment)**，招募56名被试，模拟有/无避难凹室(refuge niches)的狭窄走廊场景
- 对比四种多机器人避让策略：**Hide(隐藏)**、**LineEscape(线性逃逸)**、**Freeze(冻结)**、**ShortestPath(最短路径)**，采集被试的心理响应偏好
- 通过建立**偏好层级(preference hierarchy)** 和测量**感知认知延迟(perceived cognitive delay)**，量化不同策略对人类认知期望的影响
- **首次将环境可供性与空间期望整合到机器人避让策略评估中**，发现主动利用凹室(Hide)能显著增强心理舒适度，而忽略明显凹室(如LineEscape)会触发**期望违背(Expectation Violation)**，导致感知延迟剧增
- **突破纯碰撞避免范式**，提出紧急疏散中人机交互必须从**纯轨迹优化(pure trajectory optimisation)** 进化为**语义感知导航(semantically aware navigation)**
- 揭示了**先验交互经验(prior robot interaction experience)** 帮助用户解码复杂社交意图，为个性化人机共融提供新视角
- **桥接了宏观避让理论与微观心理感知的差距**，为多机器人系统在紧急疏散中的设计提供了实验依据和偏好层级指南
- **确立了主动空间避让(proactive space-yielding)优于冻结和效率优先策略**，并揭示了环境可供性对认知期望的塑造作用
- 为未来**机器人群(robot swarms)** 与**行人群体(pedestrian crowds)** 的复杂交互研究奠定了心理学与导航策略融合的基础