32、机器人运动与行为自适应：促进高效人机交互

机器人运动与行为自适应：促进高效人机交互

1. 路径规划

在人类活动的环境中进行导航时，机器人面临着两个主要的任务方向。一方面，大量的研究致力于让机器人避免与人类发生碰撞，使其能够在不被干扰的情况下完成给定任务。同时，机器人对待周围人类的方式应让他们感到安全，符合舒适度、社交性和自然性等因素。另一方面，也有一部分研究聚焦于让机器人以更明确的方式与人类互动，例如进行言语交流或共同执行任务。

1.1 机器人运动

• 形成合适的空间布局 ：人类在交流时，倾向于形成一种向内的空间布局，以便每个人都能方便地进行眼神、手势和言语的交流，例如两人的 f - 形布局。研究人员致力于让机器人在接近人群时，能够采用合适的位置进行有效的交流。
• 接近方式的重要性 ：机器人接近单个人或一群人的方式对其作为交互伙伴的可接受性至关重要。一般认为，从正面或人类可见的区域接近是有益的，应避免从隐藏区域突然出现。此外，研究还关注避免从人群中心穿过，以免干扰他们的交流。

1.2 联合运动

• 引导运动 ：在一些场景中，如博物馆导览机器人，需要人类或人群跟随机器人。这类系统要求机器人位于人群前方，导航系统应产生目标明确、平稳的运动，同时还需考虑人类的速度、路径变化等因素。
• 并排行走 ：并排行走是一种更复杂的联合运动形式，有利于机器人和人类之间的交流。研究人员通过观察人类行为，创建了自主机器人的模型来实现这种运动。在拥挤的城市环境中，由于空间限制，实现并排行走较为困难，此时人类会根据空间和人数采用不同的队形，机器人可以利用社会力来实现这些队形。

1.3 自适应机器人导航总结

机器人与人类之间的距离对二者的交流至关重要，同时也是移动机器人较容易改变的变量。难点在于找到“正确”的距离和接近方式，以确保交互伙伴感到舒适，并能理解机器人的意图。当接近多人时，需要采用或维持正确的队形。目前，还没有一种全面的方法能够解决所有这些任务。

2. 何时打断：“认知负荷的理解”

2.1 人机交互中的打断

• 打断的定义 ：打断被定义为外部产生的、随机发生的离散事件，它会打破个体对主要任务的认知专注连续性。打断能力对于人机通信至关重要，机器人需要理解何时打断人类，以及在交流中何时被打断。
• 机器人打断人类的方法 ：研究人员提出了多种方法来让机器人在交流中理解何时打断人类，例如利用人员的位置、行走速度、参与度等信息。最近还提出了打断能力量表，通过人员状态和打断上下文信息来判断是否可以打断。
• 人类打断机器人的研究 ：相比之下，关于人类使用非言语交流打断机器人的研究较少。目前主要使用触觉传感器或有限的手势，在社交场景中，以非言语方式打断对话机器人仍然是一个挑战。认知负荷可以作为机器人停止或减少交流的指标，特别是在需要提供敏感环境信息的情况下。

2.2 认知负荷

• 认知负荷的定义 ：认知负荷指的是人类在执行任务时，工作（短期）记忆所承受的负荷，可以从心理负荷、心理努力和表现三个维度进行测量。
• 测量方法 ：测量个体心理负荷的方法有主观评估（如 NASA TLX）、生理行为理解和基于表现的客观测量。其中，基于瞳孔直径、眨眼率、心率、心率变异性、脑电图和皮肤电反应等生理行为的测量是连续的，可以用于实时估计心理负荷。例如，低心率变异性和高心率与高认知负荷相关，瞳孔直径增加和眨眼次数减少反映了较高的心理负荷。最近，有研究提出开发一个系统，通过收集生理行为数据，利用线性混合效应回归模型实时估计用户的心理负荷。

3. 隐式学习有利于交流的行为和动作

在单臂和双臂操作物体的场景中，明确改变机器人的行为和动作以促进交流比移动导航更具挑战性。通过示范学习，依赖人类专家知识可以隐式地生成有利于交流的动作和行为。这种方法基于人类潜意识地展示目标导向且符合社会规范的动作，使得机器人的行为能够模仿人类，自然地促进交流。

3.1 学习操作任务

学习不同操作任务的常用技术是示范学习与分层学习相结合。通过结合绝对技能和相对技能，可以完成复杂的双臂任务。绝对技能指以特定方式移动或转动对象，相对技能描述了操作器之间的同步要求。原始技能由其耦合项和参考框架表示，学习耦合项只需要人类示范者展示特征技能。

以下是一个简单的表格总结不同运动类型的特点：
| 运动类型 | 特点 | 应用场景 |
| ---- | ---- | ---- |
| 机器人运动 | 注重接近方式和空间布局 | 人群交流场景 |
| 联合运动 - 引导运动 | 机器人在前，运动平稳 | 导览等场景 |
| 联合运动 - 并排行走 | 利于交流，受空间限制 | 社交场景 |

下面是一个 mermaid 格式的流程图，展示机器人导航决策流程：

graph TD;
    A[开始导航] --> B{是否有人群};
    B -- 是 --> C{接近人群方式};
    C -- 正面或可见区域 --> D[接近人群];
    C -- 隐藏区域 --> E[调整路径];
    B -- 否 --> F[正常导航];
    D --> G{是否需要联合运动};
    G -- 是 --> H{引导运动或并排行走};
    H -- 引导运动 --> I[引导人群];
    H -- 并排行走 --> J{空间是否允许};
    J -- 是 --> K[并排行走];
    J -- 否 --> L[调整队形];
    G -- 否 --> F;
    E --> B;
    I --> F;
    K --> F;
    L --> F;

以上内容详细介绍了机器人在路径规划、交互打断以及操作任务学习等方面的相关知识和研究进展，为实现更高效的人机交互提供了理论和实践基础。

3.2 操作任务学习的深入分析

在操作任务学习中，示范学习与分层学习的结合有着独特的优势。当人类示范者展示操作技能时，机器人可以通过分析示范动作中的耦合项和参考框架来学习技能。例如，在打开瓶子的操作中，绝对技能可能是将手移动到瓶子的位置，而相对技能则是拧开瓶盖时手部的同步动作。这些技能的学习可以通过以下步骤实现：
1. 数据收集 ：利用各种传感器收集人类示范者的动作数据，包括位置、速度、力度等信息。
2. 特征提取 ：从收集到的数据中提取关键特征，如耦合项和参考框架，以表示不同的技能。
3. 模型训练 ：使用机器学习算法对提取的特征进行训练，使机器人能够学习到示范者的操作技能。
4. 实践与优化 ：机器人通过实践操作不断优化模型，提高操作的准确性和效率。

3.3 机器人操作任务学习的挑战与解决方案

虽然示范学习与分层学习为机器人操作任务学习提供了有效的方法，但仍然面临一些挑战。
| 挑战 | 解决方案 |
| ---- | ---- |
| 环境的动态性 | 利用多传感器融合技术，实时感知环境变化，并调整操作策略。 |
| 技能的复杂性 | 采用分层学习的方法，将复杂任务分解为多个简单的子任务进行学习。 |
| 人类示范的多样性 | 收集大量不同人类示范者的操作数据，以提高机器人对不同操作风格的适应性。 |

4. 人机交互中的打断策略总结

在人机交互中，打断策略是一个关键问题。机器人需要准确判断何时可以打断人类，以及如何被人类打断。
- 机器人打断人类 ：通过分析人类的状态和环境上下文信息，如头部方向、注视方向、声音信号和身体姿势等，机器人可以判断人类的可打断性。例如，当人类的头部和目光朝向机器人，且没有明显的忙碌迹象时，机器人可以尝试打断交流。
- 人类打断机器人 ：目前主要依赖触觉传感器和有限的手势，但在社交场景中，需要开发更自然、便捷的非言语交流方式。例如，研究可以探索利用人类的面部表情、身体姿态等信号来实现非言语打断。

5. 未来展望

随着技术的不断发展，机器人在人机交互中的表现将不断提升。未来的研究可以集中在以下几个方面：
- 开发全面的解决方案 ：目前还没有一种能够解决所有人机交互问题的全面方法，未来需要整合不同的技术，开发出更智能、高效的机器人系统。
- 提高认知负荷测量的准确性 ：认知负荷作为一种重要的打断指标，需要进一步提高测量的准确性和实时性，以更好地适应不同的应用场景。
- 拓展非言语交流方式 ：在人类打断机器人的研究中，需要拓展更多自然、便捷的非言语交流方式，提高人机交互的自然度和舒适度。

下面是一个 mermaid 格式的流程图，展示人机交互中打断决策流程：

graph TD;
    A[开始交互] --> B{机器人判断人类可打断性};
    B -- 可打断 --> C[机器人尝试打断];
    B -- 不可打断 --> D[等待时机];
    C --> E{人类是否回应};
    E -- 是 --> F[继续交流];
    E -- 否 --> G[调整策略];
    D --> B;
    G --> B;
    F --> H{人类是否尝试打断机器人};
    H -- 是 --> I{判断打断方式};
    I -- 触觉传感器或手势 --> J[响应打断];
    I -- 其他非言语方式 --> K[进一步研究与适应];
    H -- 否 --> F;
    J --> F;
    K --> F;

综上所述，机器人在路径规划、操作任务学习和人机交互打断策略等方面已经取得了一定的进展，但仍然面临着许多挑战。未来的研究需要不断探索和创新，以实现更高效、自然的人机交互。通过不断优化机器人的运动、行为和交互策略，我们可以让机器人更好地融入人类社会，为人类提供更多的帮助和服务。