[论文解读] Characterization of Assistive Robot Arm Teleoperation: A Preliminary Study to Inform Shared Control

Mahdieh Nejati Javaremi, Brenna Argall|arXiv (Cornell University)|Jul 31, 2020

Stroke Rehabilitation and Recovery参考文献 23被引用 7

一句话总结

本研究开发了实时、可运行时计算的性能度量指标，用于表征在辅助机械臂远距离操作过程中用户的控制信号，从而实现自适应共享控制。研究识别出若干关键指标——如输入频率、模式切换次数、输入平滑度和轨迹平滑度——这些指标与用户感知的任务难度密切相关，并在脊髓损伤（SCI）患者与未受伤个体之间存在显著差异，为自主性自适应提供了可操作的提示。

ABSTRACT

Assistive robotic devices can increase the independence of individuals with motor impairments. However, each person is unique in their level of injury, preferences, and skills, which moreover can change over time. Further, the amount of assistance required can vary throughout the day due to pain or fatigue, or over longer periods due to rehabilitation, debilitating conditions, or aging. Therefore, in order to become an effective team member, the assistive machine should be able to learn from and adapt to the human user. To do so, we need to be able to characterize the user's control commands to determine when and how autonomy should change to best assist the user. We perform a 20 person pilot study in order to establish a set of meaningful performance measures which can be used to characterize the user's control signals and as cues for the autonomy to modify the level and amount of assistance. Our study includes 8 spinal cord injured and 12 uninjured individuals. The results unveil a set of objective, runtime-computable metrics that are correlated with user-perceived task difficulty, and thus could be used by an autonomy system when deciding whether assistance is required. The results further show that metrics which evaluate the user interaction with the robotic device, robot execution, and the perceived task difficulty show differences among spinal cord injured and uninjured groups, and are affected by the type of control interface used. The results will be used to develop an adaptable, user-centered, and individually customized shared-control algorithms.

研究动机与目标

• 识别反映用户在机器人臂远距离操作期间感知任务难度的客观、可运行时计算的性能度量指标。
• 调查使用多种接口时，脊髓损伤（SCI）个体与未受伤个体在控制行为上的差异。
• 评估接口类型是否影响用户交互、机器人执行情况以及感知任务难度。
• 确定这些度量指标是否可作为触发共享控制自适应自主性的可靠提示。
• 为设计以用户为中心、个性化的共享控制算法提供依据，使其能够随用户需求随时间变化而自适应调整。

提出的方法

• 开展了一项20人试点研究，包含8名SCI患者和12名未受伤参与者，使用三种市售控制接口。
• 收集了用户输入频率、模式切换次数、输入信号平滑度、机器人轨迹平滑度以及心率变异性等实时数据。
• 通过任务后问卷调查测量主观任务难度，以与客观性能度量进行关联。
• 使用统计分析评估在不同用户群体和接口之间，客观度量与感知难度之间的相关性。
• 使用推断统计方法评估损伤状态和接口类型对各项性能度量的影响。
• 识别出计算上可行、可用于在线应用且能预测用户工作负荷或任务难度的度量指标。

实验结果

研究问题

• RQ1 在机器人臂远距离操作期间，哪些客观性能度量与用户感知的任务难度相关性最强？
• RQ2 在远距离操作任务中，脊髓损伤患者与未受伤个体的控制特征有何差异？
• RQ3 控制接口类型在多大程度上影响用户交互、机器人执行情况以及感知任务难度？
• RQ4 实时、可计算的度量指标是否可作为触发共享控制辅助系统自适应自主性的可靠提示？
• RQ5 鉴于SCI患者与未受伤个体在控制行为上存在差异，是否需要为特定群体提供训练数据以实现有效自适应？

主要发现

• 输入频率、模式切换次数、用户输入平滑度和轨迹平滑度与用户感知的任务难度表现出强烈相关性。
• 与未受伤参与者相比，脊髓损伤参与者表现出显著不同的控制模式，尤其体现在输入频率和模式切换方面。
• 机器人执行度量指标（如轨迹平滑度）与任务完成时间密切相关，表明其作为性能指标具有实用性。
• 控制接口类型显著影响用户交互和机器人执行度量，提示应针对不同接口进行定制化设计。
• 心率变异性数据显示出潜力，但受限于SCI组中的人口统计学不平衡，凸显了需要更大、更均衡样本的必要性。
• 结果表明，训练数据必须为群体特定，因为基于未受伤参与者得出的度量指标可能无法准确反映SCI用户在自适应自主系统中的实际需求。