面向机器人学习的接口感知轨迹重构：针对有限示范
机器人学
2026-02-27 v1
摘要
辅助机器人为具有严重运动障碍的用户提供自主性。这些用户通常通过低维接口控制高自由度机器人，例如使用 1-D 吸吸-呼吸接口操作 6-DOF 机器人臂。这种不匹配导致只能在给定时间获得控制维度的子集，施加意外且人为的约束于机器人运动。结果是，接口受限的示范嵌入亚最优运动，反映的是接口限制而非用户意图。为此，我们提出一种轨迹重构算法，能够推理任务、环境和接口约束，将示范提升到机器人的完整控制空间中。我们使用真实世界的示范演示，通过 2-D 摇杆和 1-D 吸吸-呼吸控制接口遥控两个不同的 7-DOF 机器人臂。对重构后的示范和派生的控制策略进行分析，表明提升后的轨迹比其接口受限的对等物更快且更高效，同时尊重用户偏好。
引用
@article{arxiv.2602.23287,
title = {Interface-Aware Trajectory Reconstruction of Limited Demonstrations for Robot Learning},
author = {Demiana R. Barsoum and Mahdieh Nejati Javaremi and Larisa Y. C. Loke and Brenna D. Argall},
journal= {arXiv preprint arXiv:2602.23287},
year = {2026}
}
备注
13 pages, 8 figures, to appear in the proceedings of the 2026 Human-Robot Interaction (HRI) Conference