
近日,機器人與自動化領域全球頂會 ICRA 2025 在美國亞特蘭大開幕。由中國科學院自動化研究所與靈寶 CASBOT 共同提出的關於“增強物理人機協作中的人類意圖估計和人機角色分配”方法(DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration)獲 ICRA 2025 錄用。

在物理人機協作(physical Human-Robot Collaboration, pHRC)中,準確的人類意圖估計和合理的人機角色分配對安全高效的協作至關重要。現有的依賴短期運動資料進行意圖估計的方法缺乏多步預測能力,阻礙了機器人感知長期意圖變化和自主調整人機分配的能力,從而導致潛在的人機分歧。為了解決這些問題,中國科學院自動化研究所與靈寶 CASBOT 共同提出了一種基於對偶 Transformer 的人機協作框架(Dual Transformer-based Robot Trajectron, DTRT),該框架採用分層結構,利用人類引導的運動和力資料來快速捕獲人類意圖變化,從而實現準確的軌跡預測和動態機器人行為調整,最終實現有效的物理人機協作。

基於雙變壓器的機器人軌跡器,用於人類意圖估計和角色分配
具體而言,DTRT 中的人類意圖估計利用兩個基於 Transformer 的條件變分自編碼器(Conditional Variational Autoencoder, CVAE),將機器人在無障礙物情況下的運動資料與避障時人類引導的軌跡和力相結合。此外,我們採用基於人類施加力的微分合作博弈論(Differential Cooperative Game Theory, DCGT)來綜合兩種預測,確保機器人的行為與人類的意圖一致。與現有方法相比,DTRT 將人類動態納入長期預測,提供準確的意圖理解,實現合理的角色分配,提升機器人的自主性和可操作性。
物理人機協作(pHRC)在製造、醫療保健和服務中至關重要。需要有效的策略來確保機器人能夠無縫地與人類協作,進行準確的估計意圖,並動態調整行為,從而協助人類。因此,精確的人類意圖估計和合理的人機角色分配是提高 pHRC 效能的關鍵挑戰。
基於人類意圖對未來軌跡的準確預測對於機器人輔助的有效性和 pHRC 的安全性至關重要。在存在潛在危險的複雜環境中,例如當機器人遇到未知障礙物時,人類意圖的快速變化給意圖估計帶來了重大挑戰。目前的方法主要依賴於短期運動資料,如位置和速度,這限制了檢測人類意圖變化,將影響預測的準確性和安全性。
此外,短期資料會降低長期協作中意圖估計的有效性。因此,研究將人類施加的力量整合到 pHRC 中的長期預測方法對於實現準確的意圖估計至關重要。此外,人機角色分配涉及一種複雜的機制,用於在人類和機器人之間分配任務控制權。這一過程將即時協調人機關係,減少分歧並提高機器人的輔助水平。現有方法主要依賴阻抗 / 柔順性控制,透過修改模型引數來確定角色。在各種方法中,基於博弈論的角色分配模擬多參與者之間的協作過程,將目標設定為最小化成本函式以實現最優的人機協同關係。然而,確保機器人行為與人類意圖一致,同時保持自主性和靈活性仍然是一個重大挑戰。
實驗結果表明, DTRT 在預測精度方面具有顯著優勢,在多個物理人機協作指標上表現出卓越的效能,有效降低了人機分歧並提高了機器人的輔助水平,具有巨大的應用潛力。DTRT 的核心優勢在於以下三點:
-
DTRT 將人類意圖估計與人機角色分配相結合,以檢測意圖變化並減少人機分歧,有效提高了複雜和危險易發環境中的人機協作效能。
-
DTRT 中的基於分層結構的人類意圖估計同時處理人機協作中的運動和力資料,提高了人類意圖的預測精度,提供了對意圖的準確理解。
-
基於微分合作博弈論的人機角色分配實現了基於人施加的力的自適應領導者切換,確保機器人的行為與人類意圖一致,在保持機器人自主性的同時減少分歧。

在物理人機協作效能上,使用了以下指標:

在實驗中,我們對障礙物進行替換和隨機定位。結果表明,DTRT 在物理人機協作場景下優於現有方法。DTRT 的平均人機協作角度為 76.4°,平均機器人輔助水平指數為 1.5,人機系統在 61.8% 的時間內處於協作狀態。此外,人機角色分配有效地平衡了機器人的自主性和人類引導,使得僅有 3.5 J 的人類機械功。總體而言,DTRT 準確估計了人類意圖變化,合理分配了領導者和追隨者的角色,從而減少了人機分歧,提高了機器人的輔助水平,促進了安全高效的物理人機協作。

DTRT 與現有方法在指標上的定量對比
DTRT 的提出,不只是一個演算法突破,更是一次“人機關係”重構的嘗試:它為人形機器人發展提供了一條兼具通用性與工程價值的技術路徑。未來,DTRT 的研究思路及其核心機制有望在靈寶 CASBOT 所聚焦的工業製造、複雜作業、服務協同等多個實際應用場景中持續拓展與深化。
