不确定性感知预测控制屏障函数：通过概率运动预测实现更安全的人机协作
机器人学
2025-08-29 v1 人工智能
摘要
为实现人类与机器人共享工作空间时的灵活高效自动化，协作机器人单元必须在严格安全保证与响应有效行为之间取得平衡。动态障碍物是人类运动的随机、任务依赖性变异性：当机器人依赖纯反应或最坏情况包络时，会不必要地制动、延迟任务进程，破坏人机协作所需的流畅性。近年来，基于学习的人类运动预测取得了快速进展，但大多数方法产生的最坏情况预测未能以结构化方式处理不确定性，导致保守的规划算法受限，降低灵活性。我们提出不确定性感知预测控制屏障函数（UA-PCBF），一种统一框架，将概率人类手部运动预测与控制屏障函数的形式安全保证融合。与其他变体不同，本框架允许因人类运动不确定性估计而动态调整安全裕度。凭借不确定性估计，UA-PCBF 赋予协作机器人对未来人类状态的更深层次理解，促进通过信息化运动规划实现更流畅、更智能的人机交互。我们通过包含自动化设置（执行完全可重复运动）的机器人手部以及直接人机交互（验证响应速度、可用性和人类信心）的全面真实世界实验验证了 UA-PCBF。相较于最先进的人机交互架构，UA-PCBF 在关键任务指标上表现更佳，显著减少了机器人安全空间违规次数。
引用
@article{arxiv.2508.20812,
title = {Uncertainty Aware-Predictive Control Barrier Functions: Safer Human Robot Interaction through Probabilistic Motion Forecasting},
author = {Lorenzo Busellato and Federico Cunico and Diego Dall'Alba and Marco Emporio and Andrea Giachetti and Riccardo Muradore and Marco Cristani},
journal= {arXiv preprint arXiv:2508.20812},
year = {2025}
}