CoBOS：面向人机协作的约束基准在线调度器

涉及人类和机器人的装配过程是具有挑战性的情景，因为需要协调 individual activities and 访问共享工作空间。固定的机器人程序无法容忍偏离固定协议。以这种方式进行工作可能会让用户感到压力大，并导致低效行为或失败。我们提出了一种 novel 的在线约束基准调度方法，融入反应式执行控制框架以支持行为树，称为 CoBOS。该方法允许机器人适应不确定事件，例如 activity 完成延迟和 activity 选择(由人类完成)。用户将体验到更少的压力，因为机器人同事会调整其行为以最佳补充人类选择的 activity 以完成 common 任务。除了改进的工作条件，该算法还在高度不确定情景下提高了效率。我们使用 56000 次实验进行概率性仿真评估。我们在所有其他比较方法中均取得 4-10% 的优势。初始的机器人实验使用 Franka Emika Panda 机器人和基于 HTC Vive VR 手套的人类跟踪显示前景良好。