人类可以毫不费力地在复杂的社会环境中行走。在这一过程中,人类需要绕开物体障碍物、绕开静止或移动中的他人,最终抵达终点。不仅如此,人类的社会认知特性也对于其空间行走行为产生了重要的影响,例如人类会尽量避免从交互的人群中穿过,以防止打扰他人之间的社会交互。人类空间行走中的社会认知特性虽然重要,但是在大量关于人类空间行走的研究中都没有得到完整的验证,也没有相应的计算模型解释人类在这一过程中的认知计算过程。这主要是由于在理论上缺乏合适的框架对人类的社会属性进行量化,在技术上缺乏可操控人类社会特征并在移动过程中呈现刺激、记录空间位置的设备。我们之前研究中提出的社会交互场模型为定量化人类的社会影响提供了合适的理论框架,大空间虚拟现实技术的发展也为人类空间行走的研究提供了技术可能。因此,为了探究人类的社会认知特性对于空间行走行为的影响并将这一特性进行量化,我们开展了以下实验进行探索。在实验1至5中,我们通过调控物理障碍物的大小以及虚拟场景中人物的朝向,观察被试绕行过程中的路径选择以及绕行轨迹,探究社会因素对于人类绕行行为的影响。研究结果发现了人类倾向于从背后绕过他人[F（11,264）=37.090,p<.001]以及从他人面前绕过时会绕得更远[F（11,264）=22.745,p<.001]。通过进一步的控制实验,我们证明了影响人类绕行轨迹的关键确实是他人的社会影响而不是对于他人运动状态的预测[t（24）=-6.343,p<.001]。通过实验1至5的结果,我们建立了社会能量场模型,该模型借用了生态学领域能量地形图的理论,将人类作为物体障碍物的影响力以及人类社会属性的影响力转化为空间中能量分布的形式,并通过最低能量原则利用Fast Marching算法寻找走向终点的路径。结果发现,该模型可以很好地拟合之前所有实验中被试的绕行轨迹,并对于被试的绕行路径选择做出了较好的预测。在实验6至11中,我们通过一系列的验证性实验探究模型的拓展性。在社会交互与真实物理能量消耗的决策任务中,我们初步证明了社会能量场模型中的“能量”与被试在真实世界中的能量消耗在认知层面是可以互相转化的。我们进一步通过在单人静止、多人静止、单人动态、多人动态的虚拟现实以及真实场景中的实验,层层递进地验证了模型在复杂社会场景中的表现,在不对模型参数进行重新拟合的情况下,模型对于所有场景中被试的绕行轨迹以及路线选择都做出了较好的预测,证明了模型的拓展性以及鲁棒性。在实验12中,我们将社会能量场模型算法化后应用到导航机器人的平台中,让机器人绕行不同位置以及角度的被试。实验结果发现,在与传统导航算法的比较中,采用了社会能量场模型的算法提升了被试对于机器人拟人性以及舒适性的评价。综上所述,本文的研究结果首次完整地探索了人类社会因素对于空间行走行为的影响,并提出了社会能量场的量化模型。该模型不仅在一定程度上揭示了在空间行走任务中人类对于他人社会影响的编码形式,更对于服务机器人的空间导航算法提供了重要参考。