考虑人体手臂活动能力约束的示能感知递物方法

对物体递接配置进行推理，可使辅助智能体针对具有不同手臂活动能力的接收者评估递物的适宜性。尽管已有估计递物有效性的方法，其发现仅限于无手臂活动障碍的用户及特定物体。因此，当前最优方法无法向具有不同手臂活动能力的接收者递接新颖物体。我们提出一种方法，将递物行为推广至此前未见过的物体，并受限于用户手臂活动水平与任务上下文的约束。我们提出一种启发式引导的分层优化代价函数，其优化可针对低手臂活动能力的接收者调整物体配置。这也确保机器人抓取考虑用户后续任务的上下文，即物体的使用方式。为理解对递物配置的偏好，我们报告了一项在线研究的发现，其中向 $259$ 名具有不同手臂活动水平的用户展示了包括我们在内的不同递物方法。我们发现人们对递物方法的偏好与其手臂活动能力相关。我们将这些偏好封装于一个统计关系模型（SRL, statistical relational model）中，该模型能够针对给定接收者的手臂活动能力与后续任务推理出最合适的递物配置。使用我们的 SRL 模型，在将递物推广至新颖物体时获得了 $90.8\%$ 的平均递物准确率。