靈寶CASBOT團隊 投稿量子位 | 公眾號 QbitAI
在人與機器人愈發緊密協作的時代，如何讓機器人“讀懂”人類的意圖、與人類默契配合，成為智慧技術發展的關鍵一步。
近日，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。
該方法採用分層結構，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。
實驗結果顯示，該方法在物理人機協作中的預測精度和協作表現均顯著優於現有技術。在軌跡預測方面，平均誤差僅為0.26mm，最大誤差為1.39mm，實現了對人類意圖的高精度捕捉。
DTRT：增強物理人機協作中的人類意圖估計和人機角色分配
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）。
△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，研究人員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。
物理人機協作面臨意圖預測與角色分配的雙重挑戰
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。
DTRT在預測精度與協作表現方面展現顯著優勢
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：
1.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。
2.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。
3.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。
在預測精度上，DTRT在物理人機協作場景中的軌跡預測方面表現出色，預測結 果與真實情況非常接近，平均預測誤差和最大預測誤差 ，明顯優於現有方法。
這種實質性的改進使機器人能夠準確地識別和估計人類的意圖，從而減少人機分歧，提高機器人的輔助水平，併為人機協同操作提供支援。
在物理人機協作效能上，使用了以下指標：
1.人機協作角度，表示人類施加的力與機器人控制力之間的平均角度；
2.機器人輔助水平指數，表示機器人控制力在人類施加的力的方向上的投影；
3.機器人輔助時間佔比表示在運動過程中所佔的時間比例；
4.人類所做機械功，數值越小意味著物理人機協作中人的能量消耗越少，越省力。
在實驗中，研究者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3.5J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
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。
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法！
— 完 —
🌟 點亮星標 🌟