基于 SINDy 方法的遥操作人类运动意图推断

遥操作中的意图推断一直是对齐操作员目标并协调与机器人伙伴动作的关键手段。然而，当前的意图推断方法往往忽略这些可以强烈指示意图突变的细微运动。具体而言，我们旨在解决三个问题：1.) 我们能否检测到操作员轨迹中的突然跳变，2.) 如何合理地利用这些突然的跳动运动来推断操作员的目标状态，3.) 如何将这些离散和连续动力学纳入以推断操作员的运动。我们的框架称为 Psychic，通过一种跳-漂-扩散随机微分方程来建模这些小而显著的运动，以涵盖离散和连续动力学。克拉默斯-沃亚尔 (Kramers-Moyal, KM) 系数允许我们检测轨迹中的跳跃，我们将其与统计离群点检测算法配对，以确定目标转换。通过识别跳跃，我们可以提前检测现有目标并发现非结构化情景中的未定义目标。我们的框架随后应用稀疏非线性动力学识别 (SINDy) 模型，将 KM 系数与目标转换作为控制输入，以推断操作员在非结构化情景中的运动行为。我们展示 Psychic 能够产生概率可达集，并将我们的策略与负对数似然模型拟合进行比较。我们对 600 条免费遥操作任务中的操作员轨迹进行了回顾性研究，以评估我们的开源软件包 Psychic 在离线和在线学习中的有效性。