| 算法名称 | 年份 & 作者 | 核心原理简介 | 优点与缺点 | 适用场景 |
|---|---|---|---|---|
| VO (速度障碍) | 1993年 Fiorini & Shiller 1998年期刊发表 |
定义速度空间中会导致碰撞的速度集合（速度障碍），选择避开该集合之外的速度以避免未来碰撞。假定障碍被动移动，机器人单方面避障。 | **优点：**概念简单，计算快速，可处理动态障碍预测。 **缺点：**未考虑对方避让，双方使用时易出现振荡和僵持；不适用于多智能体互避。 |
单机器人对动态障碍避让；移动障碍不主动避让的情形。高密度多智能体场景不适用，易振荡失效。 |
| RVO (互易VO) | 2008年 van den Berg 等 | 扩展VO，引入互惠假设：双方各承担一半避让责任。通过取当前速度与避障速度的平均，实现双方协调避让。避免双方都做全额让步导致的抖动。 | **优点：**避免了VO中的对称振荡问题，实现安全、无振荡的多智能体避让；算法高效，可扩展到百千级智能体实时运行。 **缺点：**在完全对称场景下仍可能出现一定僵持；假设全向运动，未考虑非完整动力学；各智能体视为同质。 |
多机器人/智能体的分散式避碰；中等密度人群模拟。要求所有主体遵循同一避让策略。高速或复杂动力学环境需改进。 |
| HRVO (混合RVO) | 2011年 Snape 等 | 扩展RVO，引入非对称避障区域。将RVO速度障碍在一侧用VO边界替代，扩大一侧禁区，确保双方不会选择同一侧绕行：若选错侧则一方完全让步，选对则各让一半。 | **优点：**彻底消除两者对峙时的“镜像”犹豫，避免 reciprocal dance，导航无振荡更平稳；保留RVO实时高效、可扩展的特性。 **缺点：**与RVO类似，假设圆形全向运动模型；未涉及动力学约束、人为行为等；应用于非对称形状或高复杂场景需结合其他方法。 |
多机器人/人群高密度交会场景，需高度稳定避碰（如真实机器人相向通过狭窄通道）。在需绝对避免振荡的场合效果突出。但对于异形机器人或需考虑加速度限制的情况，需附加处理。 |
| ORCA (最优互易) | 2011年 van den Berg 等 | 在RVO基础上引入线性优化。对每个邻居产生线性避障半平面，让智能体解一个偏离期望速度最小的线性规划。每步求解最优速度，保证各自避让一半且不碰撞。 | **优点：**提供碰撞避免的充分条件，理论上保证无碰撞；轨迹改动最小更平滑；算法求解快，支持大规模实时应用；有开源实现广泛应用。 **缺点：**假设理想化圆形全向主体，未考虑车辆等非完整约束；需要各主体合作遵守，否则安全性下降；在行人对峙等情况下会出现双方同时停滞的冻结问题；缺少对异质主体优先级的处理。 |
多智能体高密度人群/机器人实时避障；需要严格安全和效率保障的场景。常用于仿真、游戏AI和机器人群体。对人车混行或需社会化互动的场景需与行为模型结合使用。 |
| PORCA (行人ORCA) | 2018年 Luo 等 | 面向行人-车辆混行扩展ORCA。通过修改目标函数鼓励智能体改变方向来避免双方僵停；并赋予行人在行人 vs. 车辆交互中更多避让责任。结合行人意图预测，提高模型准确性。 | **优点：**解决行人迎面相遇时的冻结问题，行人为避免僵持会主动绕行；车辆行人交互更自然，车辆少刹停、行人多让行；预测精度高，规划更安全高效。 **缺点：**模型复杂度高，引入POMDP等增加计算开销；需调节情境相关参数（行人让步程度等）；主要适用于人车混行，对纯机器人或普通人群场景意义有限。 |
自主车/机器人在人群环境中导航；仿真行人行为（更接近真实避让反应）。特别适合低速混行、拥挤的公共空间。纯机器人群或常规人群场景若无车辆，一般无需使用PORCA机制。 |
| ERVO (扩展RVO) | 2018年 Xu 等 2024年 Fachri 等 |
RVO的特定场景扩展，这里以情感RVO为例：在RVO决策中融入情感因素，如恐慌情绪传播。避障时考虑个体心理状态，调整速度选择（恐慌时更急躁避让等）。其他扩展还包括考虑异形体积、领航-跟随关系等。 | **优点：**在特殊场景下提高模拟真实性：可再现紧急疏散中人群因恐慌导致的不规则避让和混乱行为；可为异形机器人提供更精确的避碰计算；仍保有RVO的实时多智能体处理能力。 **缺点：**通用性差，离开特定场景优势减弱；模型参数难以把握（如情绪强度等），不精确可能出问题；欠缺严格的碰撞保证（引入软因素后避让策略可能不再最优安全）；实现更复杂，增加计算负担。 |
特定仿真研究：如灾害避难人群模拟（考虑恐慌心理）、团队行进（有人领队的跟随行为）、异形机器人导航（如车辆编队避碰）。主要用于研究和仿真验证，在实际机器人应用中须谨慎采用，通常需特定需求下才使用此类扩展。 |