面向制造场景中人机最优协同协作的学习与规划
机器人学
2025-03-11 v1
摘要
协作机器人单元利用异构智能体提供敏捷的生产解决方案。有效的协调对于防止与机器人并肩工作的人类操作员面临低效和风险至关重要。本文提出了一种基于混合整数非线性规划的人机感知任务分配与调度模型，以从任务规划阶段开始优化效率与安全性。该方法利用协同效应来编码智能体并行执行的一对任务之间的耦合效应，这些效应源于对机器人智能体施加的安全约束。这些项是使用贝叶斯估计从先前的执行中学习到的；协同系数的后验概率分布的推断采用马尔可夫链蒙特卡洛方法执行。该协同效应通过根据操作员存在的影响调整计划的标称持续时间来增强任务规划。仿真和实验结果表明，所提出的方法产生了改进的人机感知任务计划，减少了智能体之间无用的干扰，增加了人机距离，并实现了高达 18% 的过程执行时间减少。
引用
@article{arxiv.2503.07238,
title = {Learning and planning for optimal synergistic human-robot coordination in manufacturing contexts},
author = {Samuele Sandrini and Marco Faroni and Nicola Pedrocchi},
journal= {arXiv preprint arXiv:2503.07238},
year = {2025}
}
备注
Accepted for publication in Robotics and Computer-Integrated Manufacturing (2025)