具有人类偏好不确定性的人机协同搬运中的相互适应

相互适应可以通过整合机器人与人类对环境的理解，显著提升人机协同搬运的整体任务表现。虽然人类建模有助于捕捉人类的主观偏好，但仍存在两个挑战： 人类偏好参数的不确定性，以及 平衡对人类和机器人均有利的适应策略的需求。在本文中，我们提出了一个统一框架来解决这些挑战，并通过相互适应提高任务表现。首先，我们不依赖固定参数，而是通过引入一系列不确定的人类参数来对人类选择的概率分布进行建模。接下来，我们引入了时变固执度度量和协调模式转换模型，允许机器人主导团队轨迹，或者如果人类偏好路径与机器人计划冲突且其固执度超过阈值，则机器人转换为跟随人类。最后，我们引入了一种姿态优化策略，以在人类主导时缓解不确定的人类行为。为了验证该框架，我们设计并进行了带有真实人类反馈的实验。随后，我们通过仿真证明了我们的模型在通过相互适应和姿态优化提升任务表现方面的有效性。