工业人机交互中的任务自适应：利用黎曼运动策略

在真实的工业环境中，现代机器人通常依赖人类操作员进行关键决策和从单个任务中合成任务目标。人与机器人之间有效且安全的协作需要系统能够根据人类意图调整其运动，从而实现动态任务规划和自适应。为满足工业应用的需求，我们提出一个运动控制框架，该框架：(i) 消除了手动控制机器人运动的需求；(ii) 促进了复杂任务的制定与组合；(iii) 允许人类意图识别与机器人运动规划的无缝集成。为此，我们利用一种模块化且纯粹反应式的方法进行任务参数化和运动生成，该方法由黎曼运动策略实现。在受真实工业人机交互场景启发的实验场景中，我们展示、评估了所提方法的有效性，并将其与一种代表性的最先进方法进行了比较。