导航规划是移动机器人在环境中自主作业的重要基础性问题。传统导航规划仅仅考虑机器人移动的安全性,将所有静态物体和动态物体都作为障碍物考虑。随着移动机器人进入到人类生活,人机共融对移动机器人导航规划提出了新的需求,要求机器人具有社交导航规划能力。所谓社交导航规划是指机器人在与人类共享空间时应根据人类的社交惯例进行导航规划的行为。该问题近年来成为移动机器人领域的热点问题。本文在此背景下,围绕机器人社交导航规划开展了机器人社交质量评估标准与机器人社交性导航规划两方面的研究。主要成果如下:1.提出了基于社交行为建模的机器人社交质量评估标准。将心理学与社会学领域的研究成果扩展到社交机器人的行为理论,建立了基于舒适性、自然性、社交性的机器人社交行为模型,设计了社交行为评估量化器。通过比较验证了评估标准量化的合理性。2.根据社交行为模型优化了基于社会力模型的导航规划算法。通过引入基于机器人社交行为模型的参数优化了原有社会力模型。相比较原有算法有效提高了移动机器人在不同智能体数量环境下的社交行为质量。3.设计并实现了一种基于深度强化学习的导航规划方法。通过序列化决策为传统导航规划问题建模,设计了采用基于社交范式深度Q网络的导航规划方法。实验结果表明,相比较优化后的社会力模型导航规划算法,该方法在智能体数量较高的环境下机器人社会行为质量有小幅提高,平均导航时间有大幅缩减。4.设计并实现了一种结合逆强化学习与强化学习的社交范式学习方法。通过最大熵逆向强化学习方法为社交行为导航规划问题建模,使用社会质量模型算法的轨迹数据作为专家数据进行逆强化学习训练。将训练出的策略网络在强化学习环境中加强训练,得到了加强训练后的社交范式。实验证明,该方法可以在一定程度上解决正向强化学习的局部收敛问题,同时加强训练后的效果也又优于单独使用社会质量模型专家数据的逆强化学习方法。最终在小型足球机器人平台上验证了该方法的有效性。