通过人机感官增强改进跟踪性能
机器人学
2020-02-19 v1
摘要
本文介绍人机感官增强，并在跟踪任务上加以说明，其中可通过机器人与其人类用户之间交换感官信息来提升性能。近来发现，在人类交互过程中，伙伴会利用彼此的感官信息来改善自身的感知，从而也改善其性能与学习。本文中，我们发展了这一独特人类能力的计算模型，并用其构建一种新颖的人机交互控制框架。人类伙伴的控制被表述为具有未知控制增益与期望轨迹的反馈控制。使用 Kalman 滤波器先估计控制增益，再估计期望轨迹。所估计出的人类伙伴期望轨迹被用作关于系统的增强感官信息，并与机器人的测量相融合以估计不确定的目标轨迹。仿真及在所实现的机器人接口上的应用验证了所提出的观测器-预测器对用于跟踪任务的有效性。该机器人所得结果表明了如何识别人类用户的控制，并展现出与交互人类之间所观察到的类似的感官增强益处。
引用
@article{arxiv.2002.07293,
title = {Improving Tracking through Human-Robot Sensory Augmentation},
author = {Yanan Li and Jonathan Eden and Gerolamo Carboni and Etienne Burdet},
journal= {arXiv preprint arXiv:2002.07293},
year = {2020}
}