在自主移动机器人导航的前沿探索中，云基智能机器人实验室社会感知组以未知动态场景下的安全避障为研究核心，提出基于深度强化学习的时空推理导航框架（Spatial-Temporal Reasoning Navigation Framework, STRN），攻克高密度人流与复杂障碍环境中的社会化合规导航难题。相关成果以44%成功率提升、74.28%碰撞频率降低的突破性指标,并在真实商场、医院场景中验证其工程实用性。

STRN在模拟密集场景中实现98.2%导航成功率，较现有方法（如SocialGAN、CADRL）提升44%，人机交互不适频率降低74.28%。其“感知-推理-决策”一体化设计已成功部署于医院药品配送机器人、商场导览机器人等场景，在高峰客流中保持零碰撞记录。此项研究不仅为动态社会导航提供了可解释的强化学习范式，其通用架构更可扩展至多机器人协同避障、人机协作制造等复杂任务，为智能体与人类社会的深度共融奠定技术基石。