基于扩展 Lipschitz 分析的人机共享控制及其在人与超级肢体协作中的应用

本文提出一种基于 Lipschitz 条件的量化方法，用于在人机协作中构建自愿手动控制与基于传感器的反应式控制。为与人协作，机器人观察人的运动并预测期望动作。该预测器由通过机器人传感器观察到的人类演示数据构建。基于 Lipschitz 商对演示数据的分析评估了 a) 期望动作是否可预测，以及 b) 动作在多大程度上可预测。若对所有演示数据的输入输出对 Lipschitz 商均较低，则可用光滑函数构建预测器。然而在处理人类演示数据时，由于人类所用信息与机器人可获取信息之间的差异，某些情况下 Lipschitz 商往往非常高。本文 a) 提出一种方法，通过向输入空间添加新变量来寻找可降低 Lipschitz 商的缺失信息或新变量，并 b) 基于 Lipschitz 分析构建人机共享控制系统。那些可预测的情况分配给机器人的反应式控制，而人类自愿控制则分配给即使添加新变量后 Lipschitz 商仍很高的情况。后者被视为不可预测并交由人类处理。该人机共享控制方法被应用于辅助偏瘫患者使用冗余机械臂(Supernumerary Robotic Limb)进行双手进食任务，该机械臂与未受影响的功能手协同工作。