DTRT：增强物理人机协作中人类意图估计与角色分配的 Dual Transformer-based Robot Trajectron
机器人学
2025-05-27 v2 人工智能
摘要
在物理人机协作 (pHRC) 中，对人类意图的准确估计和合理的人机角色分配对于实现安全高效的协作至关重要。现有方法依赖短期运动数据进行意图估计，缺乏多步预测能力，限制了其感知意图变化和自主调整人机分配的能力，导致潜在的偏差。为此，我们提出了一种基于 Dual Transformer 的机器人轨迹预测器 (DTRT)，具有分层架构，利用人类引导的运动和力数据快速捕捉人类意图变化，实现精准的轨迹预测和动态的机器人行为调整，以实现有效的协作。具体而言，DTRT 中的人类意图估计使用两个基于 Transformer 的条件变分自编码器 (CVAE)，在无障碍情形下结合机器人运动数据与人类引导的轨迹和力用于障碍规避。此外，采用微分合作博弈论 (DCGT) 对预测结果进行综合，确保机器人行为与人类意图一致。与当前最先进 (SOTA) 方法相比，DTRT 将人类动力学纳入长期预测，提供对意图的准确理解，实现合理的角色分配，实现机器人的自主性和机动性。实验表明，DTRT 能够准确估计意图，表现出色的协作性能。
引用
@article{arxiv.2505.17490,
title = {DTRT: Enhancing Human Intent Estimation and Role Allocation for Physical Human-Robot Collaboration},
author = {Haotian Liu and Yuchuang Tong and Zhengtao Zhang},
journal= {arXiv preprint arXiv:2505.17490},
year = {2025}
}
备注
Accepted by ICRA 2025