时间与空间中：迈向辅助机械臂的可用自适应控制

机器人解决方案，特别是机械臂，正越来越频繁地部署用于与人类的紧密协作，例如在制造或家庭护理环境中。这些机械臂要求用户控制若干自由度（DoF）以执行任务，主要涉及抓取与操作物体。标准输入设备主要具有两个自由度，需要进行耗时且认知负担重的模式切换来选择各个自由度。当代自适应自由度映射控制（ADMC）已显示出能减少必要的模式切换次数，但迄今未能显著降低感知工作负载。用户仍承担将抽象模式切换纳入其工作流的脑力负担。我们通过提供基于 ADMC 更新建议的前馈多模态反馈来解决此问题，使用户能实时比较当前与建议的映射。我们对比了两种新方法的效能：a) 持续推荐更新的自由度组合，或 b) 在当前机器人运动与新建议间使用离散阈值。两者在虚拟现实（VR）现场研究中与经典控制方法进行比较。任务完成时间缩短、模式切换减少及感知工作负载降低的显著结果确证，结合前馈时 ADMC 方法确实能优于经典模式切换。连续与阈值间缺乏明显的定量差异揭示了以用户为中心的定制选项的重要性。在开发过程中纳入这些启示将提升可用性，而这对成功实现具有高用户接受度的机器人技术至关重要。