目标集逆最优控制与迭代重规划用于预测共享工作空间中的人体伸展运动

为了在共享工作空间中实现安全高效的人机协作，机器人预测人类执行任务时的运动十分重要。虽然预测先验未知任务的人体运动非常具有挑战性，我们认为协作环境中已知任务的单臂伸展运动（尤其与制造相关）是可预测的。我们预测此类运动的方法基于两个假设：第一，人类执行的轨迹相对于未知代价函数是最优的；第二，人类对其伙伴运动的适应可通过用上述代价函数迭代重规划很好地捕捉。因此我们方法的关键是从人类运动中学习一个“解释”人类运动的代价函数。为此，我们使用动作捕捉从执行协作装配任务的参与者对中收集示例轨迹。然后利用逆最优控制从这些轨迹学习代价函数。最后，我们通过使用学习到的代价函数迭代重规划轨迹，预测从人类当前配置到任务空间目标区域的人体伸展运动。我们的规划算法基于轨迹优化器STOMP，它为23自由度人体运动学模型进行规划，并考虑环境中移动合作者与障碍物的存在。我们的结果表明在大多数情况下，我们的方法在预测运动时优于基线方法。我们还展示在人与机器人共享工作空间时，我们的方法在预测人体运动方面优于基线。