面向现场可编程自主水下机器人的基于手势的人机交互

水下环境的不确定性与多变性提出了实时、动态控制水下机器人的要求，尤其是在人类与机器人需要在现场协同工作的场景中。然而，水下环境对典型控制与通信方法的应用施加了严苛限制。考虑到手势对人类而言是一种自然且高效的交互方式，我们利用卷积神经网络实现了一个实时的基于手势的识别系统，该系统能够从普通单目相机捕获的图像中识别 50 种手势，并将此识别系统应用于人类与水下机器人的交互。我们设计了一种灵活可扩展的交互方案（AFEIS），通过该方案，操作人员可使用定制的基于手势的符号语言在水下对水下机器人进行现场编程。本文详细阐述了手势识别系统与 AFEIS 的设计，并展示了将该系统与方案应用于水下机器人时的现场试验结果。