从人-人演示中学习类人机器人阻抗调节技能

人类是物理协作的专家，能够利用感知、推理和决策等认知能力，根据同伴的状态和任务要求调节柔顺行为。赋予机器人类似的受认知启发的协作技能，可以显著提高人机协作（HRC）的效率和适应性。本文提出了一种创新的受人类启发的阻抗调节技能学习框架（HIImpRSL），用于机器人系统在多种物理协作任务中实现领航-跟随和相互适应。所提出的框架使机器人能够根据人类状态以及从人-人演示中提取的参考轨迹来调整其柔顺性。通过整合肌电（EMG）信号和运动数据，我们提取末端阻抗轮廓和参考轨迹，通过模仿学习构建联合表示。随后，一个基于 LSTM 的模块学习面向任务的阻抗调节策略，并通过全身阻抗控制器实现，以进行在线阻抗自适应。通过多名人类受试者参与的协作搬运、两种交互式太极推手以及协作锯切任务进行了实验验证，证明了我们的框架能够实现类人的协作技能，并且从交互力的角度来看，与其他四种相关方法相比表现出优越的性能。