人工智能及计算机软硬件技术的飞速突破给服务型机器人的研究带来了巨大的动力,随着人类社会需求的提高,公共智能服务机器人服务内容正在不断拓展。和工业机器人相比,服务型移动机器人往往工作于人机共融环境下,该场景下非结构化物体多、时变性强,使得机器人除了需要满足导航基本指标外,还需用拟人、自然的行为与对象交互。目前在人机共融环境中主流的移动机器人避障技术为局部路径规划算法,此类方法仅仅将行人视作动态障碍物,并没有将其与普通障碍物进行区别,大大影响行人的交互体验,无法同时满足行人物理和心理的安全需求。针对人机共融环境的导航问题,本文研究具有社会意识的导航方法,具体研究内容如下:（1）为了赋予移动机器人区分行人与普通障碍物的能力,本文基于目标检测算法,提出一种适用于机器人导航过程的行人多属性信息实时感知方法。基于现有目标检测算法在真实移动机器人平台上的实时性和检测效果评估,通过深度相机对导航环境中的交互对象进行运动信息和属性信息检测,将行人检测算法封装在机器人操作系统下。（2）针对目前避障算法缺乏社会规范意识的问题,本文基于条件变分自动编码器（Conditional Variational Autoencoder,CVAE）,提出一种社会自适应避障学习算法。通过对人类避障策略的模仿学习,使机器人能够根据周围人群的运动速度、运动方向、行人数量和障碍物位置等因素自主选择临时避障点。通过移动到临时目标点的方式,使机器人遵循行人运动规范,避免和行人发生运动冲突。设计不同人流密度、环境复杂度的场景并且人为标注临时目标点,组成数据集,引入深度学习模型CVAE对临时目标点进行学习,并与路径规划相结合设计导航框架。（3）针对服务机器人交互方式单一的问题,基于行人心理学研究结果,提出具有行人属性意识的运动交互方法。将影响行人私人空间大小的属性（性别、年龄、体型、情绪等）编码到CVAE训练集中,设定评价临时点生成效果的量化指标,对CVAE网络进行优化。使得模型可以根据行人属性自适应调整导航行为,拥有更强的运动交互能力。（4）为了验证本文所提出的导航算法的社会规范和行人属性意识,我们搭建社会自适应导航系统的软硬件平台,设计人机共融导航场景,基于Turtlebot2及相关传感器,融合行人感知和社会自适应导航算法,最终完成导航实验。综上所述,本文分别从交互对象检测、社会规范意识学习、路径规划三个层面提出了社会自适应导航方法。通过实验验证了本文提出的导航方法具有良好的性能。对服务机器人走向更广泛的应用具有重要意义。