面向人机协作任务规划中的动作时长与协同学习

对动作代价的良好估计是人机协作任务规划的关键。动作的持续时间取决于智能体的能力以及人与机器人同时执行动作之间的相关性。本文提出一种学习方法，用于学习人类与机器人并发执行动作的代价及动作间的耦合关系。我们利用过往执行的信息来学习每个动作的平均持续时间，以及一个协同系数，该系数表示人类执行的动作对机器人执行动作持续时间的影响（反之亦然）。我们在一个仿真场景中实现了所提方法，其中两个智能体可同时访问同一区域。安全措施要求当人类靠近时机器人减速，这表明在同一区域操作的任务协同性较差。我们展示了我们的方法能够学习此类不良耦合，从而使任务规划器可利用该信息找到更优规划。