一句话定义：避障（Obstacle Avoidance）是机器在移动过程中实时感知周围障碍物、并找出一条不会与之相撞的路线的能力；而在有人有车的环境里，真正合格的避障还得满足第二个条件：让旁边的人一眼就看懂它下一步要干什么。
原理：从“钻空子”到“讲礼貌”
最朴素的避障是几何层面的：激光雷达（LiDAR）、摄像头、超声波、毫米波雷达负责“看”，把障碍物的位置、速度告诉规划模块，再由人工势场法、动态窗口法（DWA）这类局部规划算法算出一条能通行的轨迹。这类做法里，成功与否只看一件事：路径有没有穿过障碍物。
打个比方，几何避障就像一个赶时间的人在人群里钻空子，见缝就插。他确实一下都没碰到别人，但忽左忽右、贴着人擦过去、走两步突然停住，周围人被吓得一激灵，也不知道该往哪边让。结果就是：他没撞人，但整条路上的人都得为他改道。
社会性避障（socially-aware navigation）想解决的正是这件事。除了别撞上，它还要求机器人的行为可预测、可解释，并且符合人的社交习惯：和人保持让人舒服的距离，尽量从对方视线能扫到的一侧绕行，不横穿别人正在走的路线，变道前给出明确信号，比如先减速、先微微转向。换句话说，机器人得像一个会打转向灯、会先探头看的司机，而不是一个闷头乱窜的醉汉。
和相邻概念的区别
| 概念 | 回答的问题 | 时间尺度 |
|---|---|---|
| 全局路径规划（Path Planning） | 从 A 到 B 大致走哪条路 | 出发前，低频更新 |
| 局部避障 | 眼前这辆车、这个人怎么绕过去 | 毫秒级实时 |
| 碰撞检测（Collision Detection） | 这一帧会不会撞上 | 每帧 |
| 轨迹预测（Trajectory Prediction） | 对方接下来几秒往哪走 | 未来 1–5 秒 |
| 运动控制（Motion Control） | 怎么把轨迹变成轮子和关节的动作 | 毫秒级 |
可以看出，避障处在“感知”和“控制”中间：它接收碰撞检测和轨迹预测的结果，又要把决策交给运动控制。轨迹预测尤其关键，你要是猜不准旁边那个人的意图，就只能靠急刹和猛打方向来补救，而这恰恰最不可预测。
对从业者与普通人的意义
做算法的人要注意：评价避障不能只统计“零碰撞”。还要看轨迹的平滑度，也就是曲率和加速度抖不抖；看与行人的最小距离分布；看“让路率”，也就是别人被你逼得绕道的比例。一个总让人绕道的机器人，哪怕一次没撞，也是失败的。自动驾驶里的“鬼探头”、匝道汇入时的博弈，本质都是可预测性问题：你的动作得让对方司机读得懂，他才敢做决定。
对普通人来说，理解这一点就能解释一个常见困惑：为什么有些配送车、扫地机器人看起来“笨笨的”、老是停下来等。它很可能是在用保守和迟疑来换取你可预测，而这也正是它安全的方式。