FABRIC：一种用于设计与评估具备扩展人类适应能力的协作机器人的框架

协作机器人（cobot）的一个局限在于其缺乏适应人类伙伴的能力，而人类伙伴通常表现出极大的行为多样性。我们提出了一种自主框架，作为协作机器人的实时决策机制，以预测包括人类错误在内的多种人类特征与行为，从而实现个性化协作。我们的框架在两个层面上处理此类行为：1）短期人类行为通过我们新颖的预见式部分可观测马尔可夫决策过程（A-POMDP）模型进行适应，该模型涵盖人类变化的意图（动机）、可用性与能力；2）长期变化的人类特征通过我们新颖的自适应贝叶斯策略选择（ABPS）机制进行适应，该机制根据对人类工作场所特征（如其对专业知识和协作偏好）的估计，选择短期决策模型（例如 A-POMDP）。为了在多样化人类行为上设计与评估我们的框架，我们提出了一种流程：首先在仿真中使用新颖人类模型对框架进行训练与严格测试，然后将其部署在我们新颖的物理实验装置上进行评估，该装置对人类施加认知负荷以观察其动态行为（包括错误）以及变化的特征（如专业知识）。我们开展了用户研究，表明我们的框架能够不间断地有效协作数小时，并实时适应各种变化的人类行为与特征。这提高了协作的效率与自然性，带来更高的感知协作度、积极的队友特质以及人类信任。我们认为，这种扩展的人类适应是协作机器人长期使用的核心。