IDAGC：基于人类意图估计与多模态策略学习的自适应广义人机协作
机器人学
2025-07-08 v1
摘要
在人机协作（HRC）中，包括物理交互和远程协作，准确估计人类意图以及 seamless 切换协作模式以调整机器人行为，仍是至关重要的挑战。为此，我们提出了一种基于人类意图估计和多模态数据的人机协作意图驱动自适应广义协作（IDAGC）框架，以实现跨多任务、多场景情境下的自适应策略学习，从而实现协作模式的自主推断和机器人动作的动态调整。该框架克服了现有HRC方法受限于单一协作模式且缺乏识别和转换多种状态能力的局限性。我们的框架核心是一个预测模型，捕捉视觉、语言、力和机器人状态数据之间的相互依赖性，以Conditional变分自编码器（CVAE）准确识别人类意图，并自动切换协作模式。通过为每种模态设计专用编码器，并通过Transformer解码器整合提取的特征，框架高效学习多任务策略；力数据优化了物理交互中的合规性控制和意图估计精度。实验结果突出了IDAGC框架在推动HRC综合发展方面的实际潜力。
引用
@article{arxiv.2507.04620,
title = {IDAGC: Adaptive Generalized Human-Robot Collaboration via Human Intent Estimation and Multimodal Policy Learning},
author = {Haotian Liu and Yuchuang Tong and Guanchen Liu and Zhaojie Ju and Zhengtao Zhang},
journal= {arXiv preprint arXiv:2507.04620},
year = {2025}
}
备注
Accepted by IROS 2025