基于贝叶斯的意图推断以提升人机协作效果
机器人学
2024-10-02 v1
摘要
预测人类意图虽具挑战性，却是实现无缝人机协作(HRC)的关键。许多现有方法未充分利用对象、任务与人类模型之间的内在关系。当前用于预测人类意图的方法，如高斯混合模型(GMM)和条件随机场(CRF)，往往因未考虑变量间因果关系而缺乏可解释性。为此，本文开发了一种新型贝叶斯意图(BI)框架，用于在HRC场景中预测人类意图。该框架通过建模人类行为惯例与场景数据之间的相关性，捕捉意图预测的复杂性。我们利用这些推断得到的意图预测来优化机器人的实时响应，实现更顺畅、更直观的协作。通过一个涉及UR5机器人的人机协作任务，展示了该方法的有效性，突显了BI在实时人类意图预测和碰撞规避方面的能力——这基于我们创建的独特数据集。我们的评估显示，多模态BI模型在最佳基线方法之上的预测精度提升36%，F1分数提升60%，准确率提升85%。这些结果凸显了BI在实时人类意图预测和碰撞规避方面的潜力，为HRC领域的发展作出了重要贡献。
引用
@article{arxiv.2410.00302,
title = {Bayesian Intention for Enhanced Human Robot Collaboration},
author = {Vanessa Hernandez-Cruz and Xiaotong Zhang and Kamal Youcef-Toumi},
journal= {arXiv preprint arXiv:2410.00302},
year = {2024}
}