[论文解读] Human-Robot Collaboration: From Psychology to Social Robotics

Judith Bütepage, Danica Kragić|arXiv (Cornell University)|May 29, 2017

Social Robot Interaction and HRI被引用 15

一句话总结

本文提出了一种受人类-人类互动（HHI）心理学启发的具身化人机协作（HRC）方法，强调通过同步传感器-运动耦合（sync SMCs）实现相互适应的协作。通过建模共享表征与动态协调，该框架在无需领导者-跟随者假设的前提下，实现了自主的物理交互式HRC，提升了协作任务中的信任度与效率。

ABSTRACT

With the advances in robotic technology, research in human-robot collaboration (HRC) has gained in importance. For robots to interact with humans autonomously they need active decision making that takes human partners into account. However, state-of-the-art research in HRC does often assume a leader-follower division, in which one agent leads the interaction. We believe that this is caused by the lack of a reliable representation of the human and the environment to allow autonomous decision making. This problem can be overcome by an embodied approach to HRC which is inspired by psychological studies of human-human interaction (HHI). In this survey, we review neuroscientific and psychological findings of the sensorimotor patterns that govern HHI and view them in a robotics context. Additionally, we study the advances made by the robotic community into the direction of embodied HRC. We focus on the mechanisms that are required for active, physical human-robot collaboration. Finally, we discuss the similarities and differences in the two fields of study which pinpoint directions of future research.

研究动机与目标

• 解决当前HRC中人类与环境状态表征不可靠的问题，以提升自主决策能力。
• 通过将协作建模为相互依赖的行动，克服现有HRC系统中的领导者-跟随者偏见。
• 将关于人类-人类互动（HHI）的心理学发现整合到机器人系统中，实现更自然、自适应的协作。
• 基于具身智能与传感器-运动耦合，开发一种主动的、物理交互式HRC框架。
• 识别支持共享目标、相互适应与降低认知负荷的HRC系统设计原则。

提出的方法

• 将人类-人类互动（HHI）中关于传感器-运动耦合（SMCs）的心理学发现应用于HRC，区分检查型SMCs（单向）与同步型SMCs（相互耦合）。
• 将同步型SMCs建模为动态、相互作用的传感器-运动回路，实现实时协调与物理任务中的联合行动。
• 应用具身智能原则于HRC，使机器人基于与人类的持续、情境敏感的交互进行感知与行动。
• 通过共享的环境与任务目标表征，实现协作场景中相互依赖的动作序列。
• 通过意图建模与多模态传感（如运动、视线、手势）实现前瞻与自适应行为。
• 使用HRI基准评估机器人系统，包括联合任务执行、交接动作与协作操作。

实验结果

研究问题

• RQ1 如何建模并应用来自人类-人类互动（HHI）的传感器-运动耦合（SMCs），以实现自主的人机协作？
• RQ2 机器人在不假设领导者-跟随者角色的前提下，需具备何种机制才能主动参与联合行动？
• RQ3 在物理协作过程中，如何实现实时维护与更新环境与任务目标的共享表征？
• RQ4 具身的、基于感知的行为在降低人类认知负荷与提升协作效率方面发挥何种作用？
• RQ5 机器人如何预测人类动作，并通过实时传感器-运动反馈自适应调整行为，以实现无缝协作？

主要发现

• 同步SMCs——即相互的传感器-运动耦合——相比单向或领导者-跟随者模型，能实现更高效、更流畅的协作。
• 相较于反应式或基于指令的HRI，主动的具身协作能显著降低人类认知负荷并提升任务效率。
• 通过传感器-运动反馈实时建模人类意图并自适应调整行为的机器人，表现出更高的流畅性与更优的团队协作感知质量。
• 当机器人共享环境与任务目标的表征时，物理协作最为有效，从而实现相互适应与信任建立。
• 将HHI的心理学原理整合到机器人系统中，可实现更自然、直观且自主的HRC系统。
• 在联合操作与交接任务中的评估表明，基于同步SMCs的系统在协作质量与鲁棒性方面优于传统的反应式或预编程方法。