面向装配任务遥操作操控意图估计的分层深度学习

在人机协作中，共享控制为遥操作机器人操控提供了契机，以提高制造和装配过程的效率。期望机器人能协助执行用户的意图。为此，需要基于行为观察进行鲁棒且快速的意图估计。该框架通过在神经网络中融合多尺度分层信息，提出了一种分层级别（即低层动作和高层任务）的意图估计技术。在技术上，我们采用分层依赖损失来提升整体准确率。此外，我们提出了一种多窗口方法，为输入数据分配适当的分层预测窗口。对各种输入预测能力的分析表明，深度分层模型在预测准确率和早期意图识别方面具有优势。我们在虚拟现实（VR）装置上实现了该算法，在包含各种装配任务的仿真中遥操作机器人手，以展示在线估计的有效性。