12、人机协作中的人类意图估计与学习算法

人机协作中的人类意图估计与学习算法

1. 人机协作任务中的人类意图估计

在人机协作组装家具（如桌子）的场景中，任务包括将桌面倒置、安装桌腿、抬起桌子并翻转。然而，最后一个子任务虽位移小，但需要大幅重新定向，现有的基于物体运动特性构建的策略无法适用。为扩展该策略，需研究人类协作物体重新定向时内部扭矩的特性，推测物体的角速度可能在人机协作协调中发挥作用，有望出现在通用协作策略中。

在研究人类意图估计时，提出了一个新的内力模型，该模型能更好地解释二人组之间的相互作用。为验证此模型，开展了人类研究，收集人类协作操作物体时施加的力信号。通过这些信号，将新模型与现有的内力模型进行比较，发现新模型符合成熟的人类运动理论。

对内力信号的特征和规律进行探索，有以下重要发现：
- 抓握力情况 ：在双手模式下，初始和最终抓握力明显更大，但每次试验中这些力的差异可忽略不计。
- 内力变化能量 ：双手模式和二人组模式在内力变化的平均能量上无显著差异。
- 内力分解情况 ：当内力分解为协商力和平滑力时，二人组模式下协商分量的平均能量显著更高。
- 协商力与物体速度的关系 ：协商力与物体的速度密切相关。

基于协商力与物体速度的强相关性，提出了一种人机物理协作的合作策略。将此策略与现有合作策略融合，有望实现更顺畅的人机交互。下一步工作是量化这种融合带来的性能提升，同时研究机器人的有效力、内力和人类意图之间的相互作用。

下面用表格总结上述发现：
| 观察内容 | 具体情况 |