机器人的路径规划是机器人最基本的功能之一,但在某些复杂的社交场景下,传统的避障导航是远远不够的。社交感知导航和基于空间信息的避障导航不同,它主要是基于社交信息来进行路径规划,是机器人领域中颇具挑战的导航任务。社交感知导航以导航性能,舒适性,自然性,社交性为目标,可以认为社交感知导航是社会学、心理学、人机交互、导航等多领域的交叉学科。本文通过构建多层代价地图,包括静态层、障碍层、膨胀层、环境层,社交层,将各类社会约束融合到各层代价地图中,并以此重新优化A*算法,使之能够在复杂社交场景下进行符合社会约束的规划。环境层代价地图能够自动识别环境中的宽窄走廊场景,对于宽走廊,采取靠右行驶的策略;对于窄走廊,采取居中行驶的策略。而社交层代价地图则是对行人进行了特别考虑,通过行人跟踪来识别场景中的行人,并根据环境中人的状态（静止或行走）进行不同的个人空间模型建模,这样能够有效避免机器人离人过近给行人带来的不适。同时本文对环境中的行人进行分组,将位置、方向、速度相差不大的行人分成一组,然后把新建立的群组当成一个整体进行建模,这样能有效避免机器人穿过人类之间的交流空间。然后用本文所提出的算法和传统导航避障算法进行路径对比实验,以此验证通过本文方法所得到的路径更加人性化。为了使机器人行驶更加自然,本文对规划出的路径进行了路径平滑和速度规划。路径平滑使得机器人行驶路径更加流畅,并不会让周围行人感到不安全。接着根据机器人的最大加减速度限制、最大速度限制、机器人所处环境的不同对路径进行了速度规划,使得机器人能够以类人速度平稳行驶,不会频繁加减速。同时还对进行了速度规划和未进速度规划的路径进行了各项指标对比,包括运行时间、安全因子等。实验证明,进行速度规划并将速度提供给控制系统进行参考能有效提高行驶的安全性和效率。