基于接触推断意图的自适应运动规划：面向人机协作
机器人学
2025-10-13 v1
摘要
人机协作(HRC)需要机器人推断人类意图，以确保在共享空间中实现安全且高效的协作。虽然大型语言模型(LLM)为推断人类意图提供了高层次推理能力，但其应用于HRC中可靠运动规划仍具有挑战。物理人机交互(pHRI)虽然直观，但往往依赖持续的力学引导，这会给操作员带来负担。为此，本文引入一种基于接触推断意图的自适应运动规划框架，直接从物理接触中推断人类意图，并用于HRC中的在线运动校正。首先，提出一种基于优化的力估计方法，从关节扭矩测量值和机器人动力学模型中推断人类意图接触力和位置，从而降低成本和安装复杂度，同时实现整体灵敏度。随后，引入一种基于扭矩的接触检测机制，实现链级局部化，以缩小优化搜索空间并实现实时估计。此外，开发了一种基于接触的自适应运动规划器，用于从接触中推断人类意图并在线重规划机器人运动，同时保持平滑性并适应人类的纠正。最后，在7自由度的操作臂上进行实验，以演示所提出力估计方法的准确性以及在HRC中感知不确定性下的基于接触的自适应运动规划器的有效性。
引用
@article{arxiv.2510.08811,
title = {Adaptive Motion Planning via Contact-Based Intent Inference for Human-Robot Collaboration},
author = {Jiurun Song and Xiao Liang and Minghui Zheng},
journal= {arXiv preprint arXiv:2510.08811},
year = {2025}
}