面向近距离人机交互的快速预期运动规划

有效的近距离人机交互（CP-HRI）要求机器人既能高效执行任务，又能适应人类行为与偏好。然而，这一能力受到交互中诸多有时相互竞争方面因素的制约。我们提出了一种面向机械臂的实时运动规划框架，能够同时优化一组以任务为中心和以人为中心的代价函数。为此，我们构建了一个带有运动-动力学约束的非线性模型预测控制（NMPC）问题，并通过利用非线性轨迹优化的最新进展对其进行高效求解。我们采用对人类伙伴轨迹的随机预测，以使机器人能在预期其人类伙伴行为的情况下调整其标称行为。我们的框架显式建模并允许平衡不同的以任务为中心和以人为中心的代价函数。先前针对 CP-HRI 的轨迹优化方法计算一条轨迹需要数秒至整整一分钟不等，而我们的方法平均能在 318 ms 内计算出一条轨迹，从而支持实时实现。我们通过同时优化间隔距离、末端执行器可见性、可读性、平滑度以及与标称行为的偏差，展示了框架的有效性。我们还证明，在所选代价函数方面，我们的方法与先前工作表现相当，同时显著提升了计算效率。