基于实时近似贝叶斯推断的直观高效人机协作

协作机器人与端到端 AI 的结合，有望在工厂与仓库中实现人类任务的柔性自动化。然而，这一前景似乎尚需若干突破方能达成。在此期间，人类与协作机器人将相互协助展开协作。为使此类协作高效且安全，机器人需对人类意图进行建模、预测并加以利用，以支撑响应式决策过程。近似贝叶斯计算（ABC）是一种通过分析-综合来进行不确定量概率预测的方法。ABC 可便捷地引入先验，借助采样算法进行推断，并能灵活受益于复杂模型（例如通过模拟器）。但众所周知，ABC 的计算开销过大，难以达到有效人机协作任务所需的交互帧率。本文中，我们将人类伸取意图预测表述为 ABC 问题，并描述两项关键性能创新，使计算可在交互速率下运行。我们在协作机器人实际搭建中的真实实验证明了所提方法的可行性。实验评估传达了人类意图预测对装箱协作任务的优势与价值。定性结果显示，预判人类伸取意图可在不牺牲安全的前提下改善人机协作。定量任务流畅度指标证实了上述定性论断。