[論文レビュー] Ergonomically Intelligent Physical Human-Robot Interaction: Postural Estimation, Assessment, and Optimization

Amirmehdi Yazdani, Roya Sabbagh Novin+2 more|arXiv (Cornell University)|Aug 12, 2021

Human Pose and Action Recognition参考文献 47被引用数 4

ひとこと要約

本論文は、人体の姿勢をモーションキャプチャやマーカーに依存せずにロボットの軌道からのみ推定し、99.73%の精度でRULAに匹敵する微分可能で連続的なモデル（DULA）を用いて作業のエルゴノミクスを評価し、勾配ベースのポストゥラ最適化を可能にする、エラゴノミクスに優れた物理的ヒューマンロボットインタラクションのための新規フレームワークを提案する。この手法は共同操作や遠隔操作タスクにおける怪我のリスクを低減し、リアルタイムでマーカーレスなエルゴノミクス監視を可能にする。

ABSTRACT

Ergonomics and human comfort are essential concerns in physical human-robot interaction. Common practical methods in the area either fail in estimating the correct posture due to occlusion or suffer from inaccurate ergonomics models in performing postural optimization. We propose a novel alternative framework for posture estimation, assessment, and optimization for ergonomically intelligent physical human-robot interaction. We show that we can estimate human posture solely from the trajectory of the interacting robot with median deviation of 5 deg from motion capture. We propose DULA, a differentiable ergonomics assessment tool with 99.73% accuracy comparing to RULA. We use DULA in postural optimization for physical human-robot interaction tasks such as co-manipulation and teleoperation. We evaluate our framework through human and simulation experiments.

研究の動機と目的

• モーションキャプチャやマーカーに依存せずに、物理的ヒューマンロボットインタラクション（p-HRI）における連続的・リアルタイムなエルゴノミクス監視を可能にすること。
• 既存のエルゴノミクス評価ツール（例：RULA、REBA）が離散的なスコアと平坦領域を持つため、勾配ベースの最適化に制限を受ける問題に対処すること。
• RULAスコアを高精度に再現できる微分可能で連続的なエルゴノミクスモデルを構築し、最適化に活用できること。
• 共同操作や遠隔操作などのp-HRIタスクにおいて、ヒューマンポストゥラを最適化することで筋骨格的障害のリスクを低減すること。
• 人間およびシミュレーション実験を通じて、勾配フリーと勾配ベースの最適化アプローチを比較し、フレームワークを評価すること。

提案手法

• 学習ベースの確率的手法を用いて、インタラクション中のロボットの軌道のみからヒューマンの上半身ポストゥラを推定する。
• RULAスコアを連続的・微分可能出力で再現できるように訓練されたニューラルネットワークモデル「DULA（Differentiable Upper Limb Assessment）」を開発する。
• RULAスコアが付与されたヒューマンポストゥラのデータセットを用いてDULAを訓練し、混同行列における最小対角精度が99.38%で、99.73%の精度を達成した。
• DULAをp-HRIタスクのポストゥラ最適化パイプラインに統合し、エルゴノミクスリスクを最小化するための勾配ベースのヒューマンポストゥラ最適化を可能にする。
• 人間の制御と受容モデルを用い、パラメータ α ∈ {0, 0.75} を用いて、ポストゥラ補正に対する現実的な人間の反応をシミュレートする。
• 遠隔操作タスクにおいて勾配フリーと勾配ベースの最適化を比較し、リスク低減度、タスク完了時間、運動の滑らかさを測定する。

実験結果

リサーチクエスチョン

• RQ1 モーションキャプチャやマーカーを一切使用せずに、ロボットの軌道のみから物理的ヒューマンロボットインタラクションにおけるヒューマンポストゥラを高精度に推定できるか？
• RQ2 RULA評価ツールを高精度に再現できる微分可能で連続的なエルゴノミクスモデルを訓練でき、勾配ベースの最適化を可能にするか？
• RQ3 DULAを用いた勾配ベースのポストゥラ最適化は、勾配フリー最適化と比較してリスク低減度、タスク効率、運動の滑らかさの観点で優れているか？
• RQ4 提案されたフレームワークは、現実のp-HRIシナリオにおいて、RULAスコアが2を超える高リスクポストゥラ（介入の必要あり）を高い感度と特異度で検出できるか？
• RQ5 DULAをフィードバックループに統合することで、ヒューマンロボット協働におけるポストゥラ補正の受容性と有効性は向上するか？

主な発見

• ポストゥラ推定手法は、モーションキャプチャデータからの中央値偏差がわずか5°にとどまり、ロボットの軌道のみで高精度であることが示された。
• DULAはRULAスコアの再現精度が99.73%に達し、混同行列における最小対角精度が99.38%で、ポストゥラ範囲全体にわたる良好な一般化性能を示した。
• 勾配ベースの最適化アプローチは、勾配フリー手法と比較してRULAリスクスコアの低減がより効果的であり、より滑らかで受容性の高いポストゥラ補正を生み出した。
• 勾配ベース手法は1イテレーションあたり0.1秒未塔で最適化を完了したのに対し、勾配フリー手法は10,000サンプルを用いて1イテレーションあたり2.7分を要した。
• DULAを用いたポストゥラ補正により、筋骨格的障害のリスクが低減され、特に勾配ベース最適化では、補正後のシミュレーテッド人間のRULAスコアが低下した。
• RULAスコアが2を超えた32件の試行をすべて正しく検出でき、65.63%の試行でRULAスコアが正確に一致した。